Microsoft нашла, почему ИИ-агенты застревают в долгих задачах

Microsoft Research объяснили, почему автономные ИИ-агенты застревают на длинных задачах. Один агент, работающий в одиночку за один прогон, втискивается в узкий участок пространства решений. Исследователи называют это «воронкой идей», и больше вычислений не помогает из неё выбраться. Их метод, Fork-and-Flush, разбивает агента на параллельные ветки, которые делят одну рабочую папку. Каждая ветка стирает свою историю чата и начинает рассуждать с нуля. На 13 задачах длительностью от нескольких часов до более ста часов средний нормализованный балл вырос с 0.47 до 0.78 — улучшение на 66% по сравнению с одним прогоном.

Тесты проводились на GPT-5.6-terra и GPT-5.5 через GitHub Copilot CLI, а не на Claude. Copilot CLI — это инструмент командной строки для запуска ИИ-агентов, пишущих код. Исследователи также обнаружили, что более сильные модели попадают в тот же паттерн «воронки идей», поэтому периодические сбросы контекста, по их ожиданиям, останутся полезными даже с улучшением моделей. Это проверенное объяснение того, почему начать с чистой ветки может оказаться лучше, чем один длинный заход на сложной задаче для агента — но сама статья не называет это универсальным решением.