微软研究：清空聊天上下文可助 AI 智能体找到更优解

微软研究院发现长时间运行的 AI 研究智能体会因累积的对话上下文陷入“想法盆地”，导致性能停滞。其提出的 Fork-and-Flush 方法通过让智能体分裂为并行分支并清空各自聊天上下文（保留工作区文件），在相同算力预算下使平均归一化得分提升 66.0%。该研究使用 GPT-5.6-terra 等模型测试了 13 项长时任务，表明即使对于更强模型，定期重置上下文仍有助于探索更多样化的解决方案。