חוקרי Microsoft גילו כי מחיקת היסטוריית הצ'אט משפרת את ביצועי סוכני בינה מלאכותית
15 באוקטובר 2026 · קריאה של 2 דק׳
מחקר חדש של Microsoft Research מראה כי סוכני בינה מלאכותית אוטונומיים עלולים להיתקע ב"אזורי פתרון מקומיים" בשל הצטברות של הקשר בשיחותיהם. החוקרים בחנו מערכות של סוכני מחקר אוטונומיים המציעים פתרונות באופן איטרטיבי, מעריכים אותם ומפתחים אותם הלאה על בסיס משוב. נמצא כי שמונה הרצות עצמאיות של אותו סוכן על אותה משימה הגיעו לרמות ביצועים שונות באופן משמעותי, עם ציונים סופיים שנעים בין 68.3 ל-100.0, והבדלים אלו נשמרו גם לאחר השקעת משאבי מחשוב נוספים.
החוקרים זיהו תופעה שהם מכנים "בורות רעיונות", שבה פתרונות של הרצה בודדת נשארים כמעט תמיד באזור קטן במפת פתרונות דו-ממדית. סוכנים מקדישים חלק ניכר מתקציב המחשוב שלהם לזיקוק פתרונות בתוך אזור לא יעיל, במקום לגלות גישות טובות יותר שנמצאו בהרצות אחרות. דפוס זה נשמר גם כאשר הסוכנים דוחסים את היסטוריית השיחות שלהם באופן תקופתי.
כפתרון לבעיה, הוצעו שיטה בשם Fork-and-Flush המשלבת שני מנגנונים. תהליך ה-Forking מפצל את הסוכן למספר מסלולים מקבילים היורשים את סביבת העבודה הקיימת וכל הקבצים שנוצרו. תהליך ה-Flushing מוחק את כל הקשר הצ'אט, כך שכל מסלול מתחיל שיחה רעננה אך נשען על תוצאות העבודה הקודמות. מחיקת ההקשר מחזירה את הגיוון בחיפוש, שכן שימור ההקשר גורם לסוכן לחזור לאותה בור רעיונות בשל הטיעונים הקודמים שעיצבו את צעדיו.
השיטה נבדקה על 13 משימות ארוכות, כולל קריפטואנליזה ואופטימיזציה של ליבת VLIW, תוך שימוש במודלים GPT-5.6-terra ו-GPT-5.5 דרך GitHub Copilot CLI. בהשוואה להרצות בודדות, שיטת Fork-and-Flush השיגה שיפור יחסי של 66.0 אחוזים בציוני ממוצע מנורמלים, עם ציון של 0.78 לעומת 0.47. ב-12 מתוך 13 המשימות השיגה השיטה את הממוצע הגבוה ביותר, והפגינה תוצאות עקביות יותר עם סטיית תקן מנורמלת של 0.16.
בדיקות נוספות על בעיות MAX-3-SAT באמצעות מודלים של Qwen3.5 בגדלים של 4B, 9B ו-27B הראו כי השונות בין הרצות היא הגבוהה ביותר כאשר המשימה נמצאת בדיוק על גבול יכולות המודל. החוקרים מעריכים כי מכיוון שבעיות מחקר פתוחות נמצאות בהגדרה על גבול היכולות, השונות שבה נשענת שיטת Fork-and-Flush לא תיעלם גם במודלים חזקים יותר בעתיד, אלא פשוט תזחזח לבעיות קשות יותר.