Borrar el historial de chat ayuda a los agentes de IA a encontrar mejores soluciones
decoder ·
Un estudio de Microsoft Research revela que los agentes de IA de larga duración a menudo se estancan porque el historial de conversaciones acumulado limita su búsqueda dentro de estrechas 'cuencas de ideas'. Para abordar este problema, los investigadores desarrollaron un método llamado 'Fork-and-Flush' (Dividir y Vaciar), que divide al agente en ramas paralelas mientras borra el contexto del chat para fomentar la exploración de nuevas soluciones. Este enfoque permite a los agentes descartar sesgos de razonamiento previos, conservando simultáneamente los archivos y el código generados en el espacio de trabajo. Las pruebas realizadas en 13 tareas complejas mostraron que Fork-and-Flush logró una puntuación promedio normalizada un 66 % superior en comparación con ejecuciones individuales con el mismo presupuesto de cómputo. El método también demostró mayor consistencia, reduciendo significativamente la desviación estándar de los resultados. Incluso los simples reinicios de contexto sin ramificación mejoraron el rendimiento en un 22 %. Los investigadores señalan que, a medida que los modelos se vuelvan más capaces, la variación causada por estos reinicios probablemente persistirá en la frontera de la dificultad para resolver problemas. En consecuencia, se espera que los reinicios regulares de contexto sigan siendo una estrategia valiosa para futuros agentes de investigación autónomos.
decoder