Microsoft-forskare har upptäckt att AI-agenter ofta fastnar i att finslipa samma idéer, eftersom chatthistoriken leder dem tillbaka till samma lösningsutrymme. Deras nya metod, som kallas Fork-and-Flush, skapar flera parallella grenar, rensar samtalskontexten i varje gren och behåller bara de bästa resultaten. På 13 benchmarkuppgifter höjde tekniken den normaliserade genomsnittspoängen från 0.47 till 0.78 och minskade samtidigt variationen i resultaten.
Varför det spelar roll
Utvecklare kan få AI-agenter att ta fram lösningar av högre och jämnare kvalitet utan att lägga till beräkningskraft, vilket sparar tid och pengar vid komplexa optimeringsproblem.
