微软研究提出 Fork-and-Flush，清除聊天历史可帮助 AI 智能体找到更优解

微软研究发现长时运行 AI 研究智能体会陷入“思路盆地”，其提出的 Fork-and-Flush 方法通过并行分叉并清空对话上下文恢复搜索多样性，在同等算力下将归一化平均分从 0.47 提高到 0.78。该方法在 13 项任务中的 12 项取得最高均分，仅清空上下文也能带来约 22% 的提升；即使模型能力增强，任务边界处的运行间差异依然存在，定期重置上下文或仍有价值。