Étude Microsoft sur les agents de recherche
Pour commencer
Une étude de Microsoft Research montre que les agents de recherche de longue durée plafonnent malgré un surcroît de calcul, car le contexte accumulé les enferme dans des « bassins d'idées ». L'étude teste la méthode Fork-and-Flush (réinitialisation du contexte de conversation) sur 13 tâches longues, avec GPT-5.6-terra et GPT-5.5 via GitHub Copilot CLI. Sur un même budget de calcul, Fork-and-Flush obtient un score moyen normalisé min-max de 0,78, contre 0,47 en exécution unique et 0,54 en best-of-4 ; un simple effacement du contexte sans branchement améliore les résultats de 22 %.
AI Généré à partir des reportages · 1 hmise à jour
Chronologie des reportages
Suivez les reportages pour découvrir les différentes facettes de l'événement.
- The DecoderEffacer l'historique de conversation aide les agents IA à trouver de meilleures solutions
Une étude de Microsoft Research montre que les agents de recherche de longue durée plafonnent car le contexte accumulé les enferme dans des « bassins d'idées ».
Évolution des tendances de cet événement
Pas encore assez de données d'observation continues pour tracer une tendance.