微软研究提出Fork-and-Flush提升AI研究智能体表现

2026年10月13日，The Decoder 报道了微软研究院的一项研究。研究指出，长时间运行的 AI 研究智能体即便增加算力也会陷入表现瓶颈：同一智能体在同一任务上的 8 次独立运行最终得分从 68.3 到 100.0 不等，且差距不随算力增加而消失。为此，研究提出名为 Fork-and-Flush 的方法，结合两种机制。据该报道，在相同算力预算下，Fork-and-Flush 的 min-max 归一化平均得分为 0.78，而单次运行为 0.47、best-of-4 为 0.54；仅清空对话上下文而不进行分支，也能将结果提升 22%。报道称，这些智能体通过 GitHub Copilot CLI 使用 GPT-5.6-terra 和 GPT-5.5，单次运行持续数小时至超过 100 小时。目前进展停留在研究发布阶段。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。