热点事件持续更新
微软研究清空对话历史提升智能体
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
据2026年10月13日The Decoder报道，微软研究考察了清空对话历史对AI智能体求解的影响，并将相关方法称为Fork-and-Flush。报道称，在相同算力条件下，该方法完成13项任务，min-max归一化均分为0.78。作为对照，单次运行的对应均分为0.47，best-of-4为0.54。由此，Fork-and-Flush相对单次运行的增益为66.0%，相对best-of-4的增益为44.4%。报道还称，该方法在12项任务上取得最高平均分，归一化标准差由0.26降至0.16。目前公开报道集中于这一组相同算力下的对比结果。
AI 根据报道生成 · 2 小时前更新
最新进展10月13日 00:10
10月13日报道称，该方法13项任务归一化均分0.78，优于单次运行和best-of-4。报道时间线
沿着报道，了解事件的不同侧面。
10月13日
- The Decoder微软研究发现清空对话历史有助AI智能体找到更好方案
微软研究的Fork-and-Flush以相同算力在13项任务上得到min-max归一化均分0.78，高于单次运行0.47与best-of-4的0.54。相对增益分别为66.0%和44.4%，该方法在12项任务上平均分最高，归一化标准差从0.26降至0.16。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。