微软研究：清空对话历史能让 AI Agent 找到更优解
微软研究院发现，长时间运行的 AI 研究 Agent 会陷入「想法盆地」：同一任务 8 次独立运行最终得分从 68.3 到 100.0 不等，且增加算力也无法缩小差距。原因是累积的对话上下文把搜索限制在相似解附近。研究者提出 Fork-and-Flush 方法：将 Agent 分成 K 个并行分支，每个分支继承工作区文件但清空全部对话上下文。在 13 个长任务（含多联骨牌填充、作业车间调度、密码分析等）上，同等算力下归一化平均分从单次运行的 0.47 提升到 0.78，相对提升 66%。
推荐理由做长时程 Agent 的可以直接抄：清空对话、保留工作区文件，同等算力分数提升 66%