清除聊天历史有助于AI代理找到更好的解决方案
decoder ·
微软研究院的一项研究表明，长期运行的AI智能体往往因累积的对话历史限制其搜索范围，导致陷入狭窄的“思路盆地”而停滞不前。为解决这一问题，研究人员开发了一种名为“分叉与清除（Fork-and-Flush）”的方法，该方法将智能体拆分为并行分支，同时清除聊天上下文以鼓励探索新的解决方案。这种方法使智能体能够摒弃之前的推理偏见，同时在工作区中保留生成的文件和代码。在13项复杂任务上的测试显示，与使用相同计算预算的单次运行相比，“分叉与清除”方法的标准化平均得分提高了66%。该方法还表现出更高的一致性，显著降低了结果的標準差。即使不进行分支而仅进行简单的上下文重置，性能也能提升22%。研究人员指出，随着模型能力的增强，由这些重置引起的变异性可能在解决最困难问题的前沿持续存在。因此，定期重置上下文预计将成为未来自主研究智能体的一种有价值策略。
decoder