🔬 ИИ-агенты застревают в одной идее — очистка истории поднимает результат на 66%

Восемь независимых запусков одного и того же исследовательского агента на одной и той же задаче дали разброс баллов от 68.3 до 100.0, по данным исследования Microsoft Research. Увеличение объёма вычислений разрыв не сокращало.

Причина — агент застревает в «корзине идей»: один удачный или неудачный ход в начале определяет все последующие попытки, и агент дорабатывает слабое решение вместо поиска нового.

Метод Fork-and-Flush решает это грубо, но эффективно: агент делится на несколько параллельных веток, каждая наследует файлы и наработки, но теряет историю переписки. Свежий старт без памяти о прошлых рассуждениях заставляет ветку искать по-новому.

При одинаковом объёме вычислений метод дал средний балл 0.78 — против 0.47 у одиночного прогона и 0.54 у подхода «запустить несколько вариантов и выбрать лучший». По словам авторов, это прирост 66% относительно одиночного прогона и 44% относительно второго варианта. Fork-and-Flush дал лучший результат на 12 из 13 задач. Отдельно простая очистка истории переписки без разделения на ветки подняла результат одиночного прогона ещё на 22%.

Тестировали на 13 долгих задачах: упаковка фигур, производственное планирование, взлом шифров, сжатие модели распознавания изображений, оптимизация процессорного ядра. Прогоны длились от нескольких часов до 100+ часов на моделях GPT-5.6-terra и GPT-5.5 через подключение GitHub Copilot CLI.

Актуально для тех, кто запускает ИИ-агентов на долгих инженерных и исследовательских задачах — там, где важен не один быстрый ответ, а поиск лучшего решения за много часов работы.

🔗 Источник: The Decoder

💬 Telegram | 💬 MAX

#разбор #агенты