Cancellare la cronologia delle chat aiuta gli agenti IA a trovare soluzioni migliori
decoder ·
Uno studio di Microsoft Research rivela che gli agenti AI a lunga esecuzione spesso raggiungono un plateau perché la cronologia delle conversazioni accumulata vincola la loro ricerca entro strette 'conche di idee'. Per affrontare questo problema, i ricercatori hanno sviluppato un metodo chiamato 'Fork-and-Flush', che suddivide l'agente in rami paralleli cancellando il contesto della chat per incoraggiare l'esplorazione di nuove soluzioni. Questo approccio consente agli agenti di scartare i precedenti bias di ragionamento mantenendo nel workspace i file e il codice generati. I test su 13 compiti complessi hanno dimostrato che Fork-and-Flush ha ottenuto un punteggio medio normalizzato del 66% superiore rispetto alle esecuzioni singole con lo stesso budget di calcolo. Il metodo ha anche mostrato una maggiore coerenza, riducendo significativamente la deviazione standard dei risultati. Anche semplici reset del contesto senza ramificazione hanno migliorato le prestazioni del 22%. I ricercatori sottolineano che, man mano che i modelli diventano più capaci, la variazione causata da questi reset probabilmente persiste al livello più avanzato della difficoltà nella risoluzione dei problemi. Di conseguenza, i reset regolari del contesto sono destinati a rimanere una strategia preziosa per i futuri agenti di ricerca autonomi.
decoder