Очистка истории чата помогает агентам ИИ находить лучшие решения
decoder ·
Исследование Microsoft Research показало, что долго работающие ИИ-агенты часто достигают плато из-за того, что накопленная история разговора ограничивает их поиск в узких «бассейнах идей». Для решения этой проблемы исследователи разработали метод «Fork-and-Flush», который разделяет агента на параллельные ветви и очищает контекст чата, чтобы стимулировать исследование новых решений. Этот подход позволяет агентам отказываться от предвзятости предыдущих рассуждений, сохраняя при этом сгенерированные файлы и код в рабочем пространстве. Тестирование на 13 сложных задачах показало, что метод Fork-and-Flush обеспечивает нормализованный средний результат на 66% выше по сравнению с одиночными запусками при том же вычислительном бюджете. Метод также продемонстрировал большую стабильность, значительно снизив стандартное отклонение результатов. Даже простые сбросы контекста без ветвления улучшили производительность на 22%. Исследователи отмечают, что по мере роста возможностей моделей вариации, вызванные такими сбросами, вероятно, будут сохраняться на переднем крае сложности решения проблем. Следовательно, регулярные сбросы контекста, как ожидается, останутся ценной стратегией для будущих автономных исследовательских агентов.
decoder