Fork-and-Flush：在自主研究代理中逃离想法盆地

arXiv:2610.07447v1 宣布类型：new 摘要：自主研究代理通过反复提出候选解决方案、评估这些方案，并利用反馈指导后续实验来解决开放式问题。我们发现，同一代理在同一任务上的独立运行通常会在显著不同的得分处陷入平台期，即使投入大量额外计算资源，这些差距仍会持续存在。根据功能相似性对其候选产物进行嵌入，进一步表明这些轨迹会停留在解空间的局部区域内，我们将其称为想法盆地。为帮助代理逃离这些盆地，我们研究了一种简单的周期性干预方法 Fork-and-Flush。该方法将代理分叉为多个并行轨迹，每条轨迹都继承累积的工作空间，但从全新的聊天上下文开始。在每条轨迹运行固定时长后，代理从得分最高的轨迹继续运行。在13项长时域研究与工程任务中，单次代理运行最长持续数天；在相同计算预算下，根据最小-最大归一化平均得分，Fork-and-Flush相较于单次运行和best-of-N基线的相对提升分别达到66.0%和44.4%。