Onderzoekers van Microsoft ontdekten dat AI-agents vaak dezelfde ideeën blijven verfijnen, omdat hun chatgeschiedenis ze steeds terugstuurt naar dezelfde oplossingsrichting. Hun nieuwe methode, Fork-and-Flush, maakt meerdere parallelle vertakkingen, wist de gesprekscontext van elke vertakking en behoudt alleen de beste resultaten. Bij 13 benchmarktaken verhoogde de methode de genormaliseerde gemiddelde score van 0.47 naar 0.78 en verkleinde ze ook de spreiding in de resultaten.
Waarom het ertoe doet
Ontwikkelaars kunnen AI-agents betere en consistentere oplossingen laten vinden zonder extra rekenkracht toe te voegen. Dat bespaart tijd en kosten bij complexe optimalisatieproblemen.
