微软研究提出Fork-and-Flush方法提升AI研究智能体表现
热点事件持续更新
微软研究提出Fork-and-Flush方法提升AI研究智能体表现
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
微软研究院提出Fork-and-Flush方法，通过分支和清除聊天上下文提升长程AI研究智能体的探索多样性。在相同算力预算下，该方法在13项长程任务上的归一化平均得分比单次运行高66%，比best-of-4高44.4%。 该方法针对长程AI研究智能体即使增加算力也容易陷入局部解的问题。实验使用GPT-5.6-terra和GPT-5.5模型，通过GitHub Copilot CLI运行。仅清除聊天上下文而不分支也能提升22%的结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 00:10
微软研究：清除聊天历史可帮助 AI 智能体找到更优解报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The Decoder微软研究：清除聊天历史可帮助 AI 智能体找到更优解
微软研究院发现长程 AI 研究智能体即使增加算力也会陷入局部解，提出 Fork-and-Flush 方法，通过分支和清除聊天上下文提升探索多样性。在相同算力预算下，该方法在 13 项长程任务上的归一化平均得分比单次运行高 66%，比 best-of-4 高 44.4%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。