Pesquisadores da Microsoft descobriram que agentes de IA muitas vezes ficam presos refinando as mesmas ideias, porque o histórico do chat os leva de volta ao mesmo conjunto de soluções. O novo método, chamado Fork-and-Flush, cria vários ramos em paralelo, apaga o contexto de conversa de cada um e mantém apenas os melhores resultados. Em 13 tarefas de referência, a técnica elevou a pontuação média normalizada de 0.47 para 0.78 e também reduziu a variação dos resultados.
Por que importa
Desenvolvedores podem obter soluções melhores e mais consistentes de agentes de IA sem aumentar o poder computacional, economizando tempo e dinheiro em problemas complexos de otimização.
