微软研究提出Fork-and-Flush方法

2026年10月13日，The Decoder报道，微软研究院发表一项研究，针对长时间运行的AI研究智能体提出名为Fork-and-Flush的方法。研究指出，这类智能体即便增加算力也会停滞，累积的对话上下文会把搜索限制在相似解上；同一任务八次独立运行的最终得分从68.3到100.0不等。Fork-and-Flush结合两种机制，在相同算力预算下取得min-max归一化平均分0.78，而单次运行为0.47、best-of-4为0.54。实验使用GPT-5.6-terra与GPT-5.5，通过GitHub Copilot CLI运行，覆盖13项长时任务，包括多联骨牌装箱、作业车间调度和密码分析。研究还称，仅清空对话上下文而不分支，结果提升22%。

AI 根据报道生成 · 3 小时前更新