微软研究：清空对话历史提升AI研究智能体表现

微软研究团队发现，长时间运行的 Autoresearch 智能体会陷入所谓 idea basins：同一任务八次独立运行最终得分从 68.3 到 100.0 不等，增加算力也无法缩小差距。 为此团队提出 Fork-and-Flush 方法，结合分支与清空对话上下文两种机制。在相同算力预算下，该方法的 min-max 归一化平均得分为 0.78，单次运行为 0.47，best-of-4 为 0.54；仅清空对话上下文而不分支，结果提升 22%。 实验中智能体通过 GitHub Copilot CLI 使用 GPT-5.6-terra 和 GPT-5.5，单次运行持续数小时至 100 小时以上。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。