微软研究：清空对话上下文助AI智能体寻找更优解

微软研究院发现长时间运行的AI研究智能体易陷入“想法盆地”，导致性能停滞。其提出的Fork-and-Flush方法结合并行分支与清空聊天上下文，在相同算力预算下使归一化平均得分提升66%。该方法在13项长时任务中表现优于单次运行及Best-of-4策略，且即便使用更强模型，定期重置上下文仍具价值。