微软研究提出 Fork-and-Flush 智能体方法

微软研究院提出一种名为 Fork-and-Flush 的方法：让长时运行的 AI 研究智能体分叉出 K 个并行分支，每个分支清空全部对话上下文，但保留工作区文件。 在相同算力预算下，该方法在 13 项长时任务（包括多联骨牌拼装、作业车间调度和密码分析）上的 min-max 归一化平均得分为 0.78，单次运行和 best-of-4 分别为 0.47 和 0.54。智能体通过 GitHub Copilot CLI 使用 GPT-5.6-terra 和 GPT-5.5。研究还称，仅清空对话上下文而不分叉，结果提升 22%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。