微软研究提出一种名为 Fork-and-Flush 的方法，通过分叉和清除上下文来提升研究型 AI 智能体的表现。该研究指出，长时间运行的研究型 AI 智能体即使增加算力也会陷入表现平台期，同一任务八次独立运行的最终得分从 68.3 到 100.0 不等，差异明显。 Fork-and-Flush 结合了两种机制：分叉与清除上下文，即清空对话历史，让 AI 智能体找到更好解法。相关研究由微软发表。
AI 根据报道生成 · 1 天前更新
沿着报道，了解事件的不同侧面。
微软研究发现，长时间运行的研究型 AI 智能体即使增加算力也会陷入表现平台期，同一任务八次独立运行的最终得分从 68.3 到 100.0 差异明显。
还没有足够的连续观测数据，暂不绘制趋势。