热点事件持续更新
微软研究提出Fork-and-Flush提升智能体表现
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
2026年10月13日，The Decoder报道，Microsoft Research发现，长程AI智能体会受到累积对话上下文影响，容易停留在相似的解法区域。研究提出Fork-and-Flush方法：让智能体从当前状态分叉，清空聊天上下文，但保留工作区，以探索不同解法。该方法在13项任务上的归一化平均分为0.78，高于单次运行的0.47和Best-of-4的0.54。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 00:10
Fork-and-Flush在13项任务上的归一化平均分达到0.78。报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The Decoder清空聊天历史如何帮助 AI 智能体找到更优解
Microsoft Research 的研究发现，长程 AI 智能体会受累积对话上下文影响，停留在相似的解法区域。研究提出 Fork-and-Flush，让智能体分叉并清空聊天上下文，同时保留工作区；在 13 项任务上，其归一化平均分为 0.78，高于单次运行的 0.47 和 Best-of-4 的 0.54。
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。