أظهرت دراسة أجراها باحثون في Microsoft Research أن وكلاء الذكاء الاصطناعي المخصصة للبحث طويل الأمد قد تتوقف عن التحسن رغم منحها موارد حوسبة إضافية، لأن تراكم سياق المحادثة يحصر بحثها في حلول متشابهة، بحسب ما نقلته The Decoder.

ودرس الباحثون ما يسمونه وكلاء Autoresearch، التي تقترح الحلول وتقيمها وتحسنها بشكل متكرر. وعند تشغيل الوكيل نفسه ثماني مرات مستقلة على المهمة ذاتها، استقرت الدرجات النهائية عند مستويات متباينة تراوحت بين 68.3 و100. وتبين أن حلول كل تشغيل تظل غالبًا داخل منطقة ضيقة أطلق عليها الباحثون اسم «أحواض الأفكار».

ويقوم الأسلوب المقترح Fork-and-Flush على تفريع الوكيل إلى عدة فروع متوازية ترث مساحة العمل والملفات، ثم محو سجل المحادثة لكل فرع مع الإبقاء على الشيفرة والنتائج المحفوظة، ما يسمح له بالانطلاق من سياق جديد والبناء على العمل السابق.

واختُبر الأسلوب على 13 مهمة طويلة، منها جدولة الأعمال وتحليل التشفير، باستخدام نموذجي GPT-5.6-terra وGPT-5.5 عبر GitHub Copilot CLI. وبالميزانية الحوسبية نفسها، حقق متوسط درجات معيارية بلغ 0.78 مقابل 0.47 للتشغيل المنفرد و0.54 لأفضل أربعة تشغيلات، بينما حسن محو السياق وحده دون تفريع النتائج بنسبة 22%.

ويرى المؤلفون أن مسائل البحث المفتوحة تقع بطبيعتها عند حدود قدرات النماذج، لذا يتوقعون أن تظل إعادة ضبط السياق دوريًا مفيدة حتى مع تطور النماذج.