Microsoft Research: Çat tarixinin təmizlənməsi AI-agentlərə məhdud həll yollarından xilas olmaqda kömək edir

Microsoft Research-un yeni araşdirması göstərir ki, uzun müddət işləyən AI tədqiqatı agentləri eyni tapşırıqların icrasında müqayisə olunan fərqli dərəcədə performans göstəribilirlər və bunun səbəbi onları özlərinin toplanmış söhbət tarixi ola bilər. Tədqiqatçılar aşkar etdilər ki, kontekstin toplanması agentləri onların “fikir qutusunda” həbs edir, eyni həllərin dar sahələrində, və çat tarixinin silinməsi ilə əhəmiyyətli dərəcədə daha yaxşı nəticələr əldə edilə bilər.

Agentlər fikir qutusunda həbs olunur

Tədqiqatçılar “Avtomatik tədqiqat agentləri”ni öyrətdilər, AI sistemləri, hər dəfə həllər təklif edən, qiymətləndirən və geri əlaqə əsasında təkmilləşdirən. Eyni agentin yeddi müstəqil işlədilməsi eyni tapşırıqda əhəmiyyətli dərəcədə fərqli performans göstərdi: final ballar 68,3-dən 100,0-a qədər idi, və fərq hesablama resursları artıqda saxlanıldı.

Bütün işlədilmələrin həllərinin iki ölçülü xəritəsinə dəyndirildikdə, oxşar həllər bir-birinə yaxındır, komanda aşkar etdi ki, bir işlədilmənin həlləri peyda olunan birdəfəlik kiçik sahədə qalırdı. Sonra agentlər qalan hesablama büdcəsinin böyük hissəsini az məhsuldar sahədə həllərin axtarısına xərcləyir, digər işlədilmələrdə aşkar olunan daha yaxşı yanaşmaları tapmaq əvəzinə. Bu model hətta agentlər müvafiq aralıqlarla söhbət tarixlərini qısaldıqda da saxlanılır.

Fork-and-Flush konteksti təmizləyir

Təklif olunan metod iki mexanizmi birləşdirir. “forking” zamanında agent K paralyel thread-lərə bölünür, hər biri irsi olaraq əvvəlki iş sahəsini və bütün yaradılmış faylları alır. “flushing” zamanında hər thread bütün çat kontekstini itirir, amma iş sahəsini saxlayır, bu da yeni söhbətin başlanmasına və əvvəlki işə davam etməyə imkan verir.

Valideyn prosesiçin çat kontekstini saxlayan thread adətən eyni fikir qutusuna qayıdır, çünki əvvəlki danışmaq onun növbəti addımlarını yönləndirir. Yeni kontekst axtarışda çeşidliliyi qaytarır. Söhbət tarixi silinir, amma kod, fayllar və saxlanılmış nəticələr iş sahəsində qalır.

Nəticələr 13 uzun tapşırıq üzərində

Fork-and-Flush 13 uzun tapşırıqda test edildi, bunlar arasında: polinomino doldurma, job-shop planlaşdırma, kriptoanaliz, CIFAR klassifikatorunun sıxılması və VLIW çeşid optimizasiyası. Ayrı işlədilmələr bir neçə saatdan 100 saata qədər davam edirdi, agentlər isə GitHub Copilot CLI vasitəsilə GPT-5.6-terra və GPT-5.5 istifadə edirdilər.

Eyni hesablama büdcəsi şərtlərində Fork-and-Flush min-max normalizasiya edilmiş orta bal 0,78 əldə etdi, ayrı işlədilmələrin 0,47 və best-of-4-ün 0,54 qarşısında, bu da nisbətən artım 66,0% və 44,4%. Metod 13 tapşırıqdan 12-də daha yüksək orta bal göstərdi və daha stabil nəticələr verdi: normalizasiya edilmiş standart sapma ayrı işlədilmələrdə 0,26-dan 0,16-a çatıb. Çat kontekstinin sadə silinməsi, fork-siz, 11 tapşırıqda nəticələri taxminən 22% yaxşılaşdırdı.

Niyə kontekstin silinməsi hələ də faydalı ola bilər

Tədqiqatçılar həmçinin yoxladılar ki, daha güclü modellər fikir qutusuna düşürmürmü, MAX-3-SAT tapşırıqları istifadə edərək üç ölçülü modellərdə: Qwen3.5-4B, 9B və 27B. İşlədilmələr arası variasiya tərs U formalı eyrizi izah edir və pik modelin imkanlarının hədində olan tapşırıqlarda dəyərləndirilir, təxminən təsadüfi kəşfin və tanınmış həllərin nəticəvericiliyi arasında. Modellar peyda qalib gəlibiyyəti çox asan tapşırıqlarda və qazanırlar çox çətin tapşırıqlarda.

Müəlliflər təsdiq edirlər ki, açıq tədqiqat problemləri təyinə görə modellərin imkanlarının hədindədir. Onlar nəzir edirlər ki, Fork-and-Flush-un istifadə etdiyi dəyişkənlik, modellərin təkmilləşməsi ilə yanaşı saxlanılır, sadəcə həd daha mürəkkəb tapşırıqların tərəfinə köçürülür, və nəticə göstərir ki, müntəzəm kontekst silinməsi əsas kəşfiyyat agentləri üçün də hələ faydalı ola bilər.

Mənbə: The Decoder