微软研究提出Fork-and-Flush智能体搜索方法

微软研究团队提出一种名为 Fork-and-Flush 的智能体搜索方法，用于解决长时间运行的研究型 AI 智能体即便增加算力也会陷入“想法盆地”、反复打磨低效方案的问题。该方法包含两个机制：forking 让智能体分裂为 K 个并行分支，每个分支继承此前的工作区和已生成文件；flushing 让每个分支丢弃全部对话上下文但保留工作区，从而以全新对话在已有成果上继续推进。 在相同算力预算下，Fork-and-Flush 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。实验中智能体通过 GitHub Copilot CLI 使用 GPT-5.6-terra 和 GPT-5.5。研究还发现，同一智能体在同一任务上的 8 次独立运行最终得分从 68.3 到 100.0 不等。

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。