反常识，微软最新研究：Agent 的“长记忆”可能是毒药
近期，微软研究院发布了一项颇具反直觉色彩的研究成果，聚焦于当前热门的Agent领域。按照常规认知，Agent积累的对话历史越多，其执行任务的能力理应越强。然而，这篇于10月5日发表在arXiv上的论文《Fork-and-Flush: Escaping Idea Basins in Autoresearch Agents》却指出，实际情况可能正好相反：交互时间越长，Agent越容易陷入思维僵局。 针对这一问题，微软提出的解决方案显得简单直接：定期清除聊天记录。
同一Agent，八次运行，结果各异
研究团队关注的是专注于“自动研究”的Agent。其工作流程为：提出方案、进行实验、评估分数，然后根据反馈生成下一个方案。如此循环往复，一次运行可能持续数小时甚至数天。
研究人员让同一Agent在相同任务上独立运行了八次。按照预期，结果应大致相似，但实际最终得分从68.3到100.0不等，中位数为81.9，最佳与最差表现之间相差超过30分。
更令人意外的是，增加计算资源也无济于事。对于那些表现不佳的运行，即便投入大量算力，Agent也只是在原地徘徊，差距几乎无法弥补。
为何会出现这种情况？研究团队将每次运行产生的方案按“功能相似度”绘制成二维地图，发现每次运行的方案都聚集在地图的一小块区域内，自始至终没有显著移动。他们将这种区域命名为“思维盆地”（idea basin）。八次运行分别落入了五个不同的盆地。
这好比一个装修团队，第一天确定了北欧风格，此后选购的每一件家具都向该风格靠拢。即使地中海风格更适合房屋布局，他们也难以想到，因为参考信息已全部锁定在北欧风格上。聊天记录，正是Agent存储的这些“参考图”。
值得注意的是，这些Agent本身具备“自动压缩聊天记录”的机制，当对话过长时会自行总结再继续。但实际测试表明，仅靠压缩摘要，Agent仍无法跳出思维盆地。
微软的解决方案：记忆重置
该方法名为Fork-and-Flush，可译为“分叉并清空”，分为两个步骤。
分叉（Fork）： 将Agent复制为多个并行分支，每个分支继承完整的“工作区”，即已编写好的代码、文件和实验结果，所有成果完整保留。
清空（Flush）： 每个分支的聊天记录被清零。各分支不再受先前思路影响，仅基于现有资源，重新规划后续策略。
分支运行一段固定时间后，比较各自得分，保留最优者继续运行，其余分支终止。论文中一句关键表述是：新分支必须从这些文件中重新推导出自身意图，这正是它能够落入另一盆地的原因。
研究人员在13个长周期任务上进行了测试，涵盖多连块拼图、车间调度、密码破译、压缩图像分类器及优化VLIW内核等。单次运行时长从数小时到超过一百小时不等，使用的模型为GPT-5.6-terra和GPT-5.5，通过GitHub Copilot的命令行工具调用。
在相同算力预算下，归一化平均得分分别为：单次运行0.47，运行四次取最优结果0.54，而Fork-and-Flush方法达到0.78。换算成相对提升，比单次运行高66.0%，比四次取优高44.4%。在13个任务中，该方法在12个任务上取得了最高平均分，且表现更稳定，标准差从0.26降至0.16。
消融实验也颇具启发性：仅清空聊天记录而不分叉，性能提升约22%；仅分叉而不清空，也有一定提升；但两者结合，效果最为显著。这表明“遗忘”与“多次尝试”各自发挥着不同作用。
最戏剧性的案例出现在拼图任务中。当预算消耗至71%时触发清空，胜出的分支在首次提交时便跨越了43个单位的距离。相比之下，单次运行的Agent在此阶段每步最多移动4.4个单位。这一跃直接使其进入一个全新盆地，最终获得93.9分，而八个单次运行基线的中位数为84.6。另外三个未成功跳出的分支，每步移动不超过1个单位，原地维持原状。
模型再强，此问题或仍存在
有人可能认为，随着模型能力增强，Agent便不会陷入思维僵局。
研究团队使用Qwen3.5的4B、9B、27B三个版本，在可精确调节难度的MAX-3-SAT问题上进行了验证。结果发现，运行之间的差异呈现倒U型曲线：题目过于简单，每次都能正确解答，结果趋同；题目过于困难，每次都无法解答，失败方式也趋同；差异最大的位置，恰好位于模型能力边界附近，大约在“能做对一半”的水平。拟合出的峰值在0.497，基本处于中间位置。
而开放性的研究问题，本质上就处于能力边界上。因此，研究作者判断，随着模型持续变强，这一现象大概率不会消失，只是边界会向更难的问题转移。 定期重置上下文的方法，对未来的前沿模型可能依然有效。
这项研究对从事Agent产品开发的人员提出了一个直接提醒：“上下文即资产”这一默认假设，或许值得重新审视。当积累的记忆超过某个阈值后，可能会反过来限制探索，早期的推理会将Agent锚定在一条并非最优的路径上。本文来自微信公众号“大数据文摘”，36氪经授权发布。值得注意的是，在分析Agent的长期记忆效应时，类似NBA篮板分析中对数据积累与策略调整的权衡逻辑，也能为理解这一现象提供参考。