微软研究：清空对话历史可让AI研究智能体跳出「想法盆地」

核心事实

据 the-decoder.com 报道，微软研究院一项研究考察了所谓「Autoresearch agents」——即反复提出方案、评估方案并根据反馈改进的AI系统。研究发现，同一智能体在同一任务上的八次独立运行，最终得分从 68.3 到 100.0 不等，差距明显；即使大幅增加算力，这种差距依然存在。研究者把单次运行中方案聚集的二维区域称为「想法盆地」（idea basins），智能体会把剩余算力大量用于在产出较低的区域里反复打磨，而不是去尝试其他运行已经发现的方向。

背景与影响

为此，研究者提出名为「Fork-and-Flush」的方法，包含两个机制：一是「fork」，智能体分裂为 K 个并行分支，各自继承此前的工作区与全部生成文件；二是「flush」，每个分支丢弃全部聊天上下文，但保留工作区，从而以全新对话继续推进已有工作。论文称，保留父进程聊天上下文的分支容易回到同一个想法盆地，而全新上下文有助于恢复搜索的多样性。研究者在 13 项长时任务上做了测试，包括多联骨牌装箱、作业车间调度、密码分析、CIFAR 分类器压缩和 VLIW 内核优化，单次运行时长从数小时到超过 100 小时。论文报告，在同等算力预算下，Fork-and-Flush 的 min-max 归一化平均分为 0.78，单次运行为 0.47，best-of-4 为 0.54，相对提升分别为 66.0% 和 44.4%；归一化标准差由单次运行的 0.26 降至 0.16。仅清空上下文而不分支，据报可带来约 22% 的提升。研究者还用 Qwen3.5-4B、9B、27B 三个规模在 MAX-3-SAT 问题上做了测试，认为运行间差异在模型能力边缘的任务上最大，并预期这种差异会随模型变强而向更难的问题迁移。

限制与来源

上述数据均来自论文作者自述，尚未见独立复现；测试所用模型、工具链与任务集均为特定配置，结果未必可外推到其他场景。本文不构成任何采购或投资建议，相关方法与工具的可用性、支持范围及费用请以官方当前信息为准。来源：the-decoder.com，原始论文作者为 Cai、Ziakas 等（2026）。