فهرست مطالب
- Fork-and-Flush تاریخچه گفتوگو را پاک میکند، اما فایلها و فضای کاری را نگه میدارد.
- این روش در ۱۲ مورد از ۱۳ وظیفه، بالاترین میانگین امتیاز را داشت.
- میانگین امتیاز نرمالشده روش ۰٫۷۸ بود؛ در مقایسه با ۰٫۴۷ برای اجرای تکی.
- پاککردن زمینه بدون شاخهسازی نیز بهبود ۲۲ درصدی در نتایج ایجاد کرد.
عاملهای هوش مصنوعی ممکن است هنگام حل مسئله در مسیرهای فکری کمبازده گیر کنند؛ پژوهش تازهای گزارش میکند که پاککردن تاریخچه گفتوگو، در کنار حفظ فایلها و دستاوردهای قبلی، میتواند آنها را به سمت راهحلهای تازه هدایت کند. روش پیشنهادی با نام «Fork-and-Flush» در ۱۳ وظیفه طولانیمدت آزمایش شد و با بودجه محاسباتی یکسان، امتیاز بالاتری از اجرای تکی و روش انتخاب بهترین نتیجه از چهار اجرا به دست آورد. گزارش این پژوهش روز دوشنبه ۲۰ مهر ۱۴۰۵ منتشر شد.
عاملهای هوش مصنوعی در «حوضچههای ایده» میمانند
پژوهشگران برای مقایسه راهحلهای تولیدشده در اجراهای مختلف، آنها را روی نقشهای دوبعدی قرار دادند؛ در این نقشه، راهحلهای شبیه به هم نزدیکتر دیده میشوند. به گفته آنان، راهحلهای یک اجرای واحد تقریباً همیشه در بخش کوچکی از نقشه متمرکز میمانند. پژوهشگران این نواحی را «حوضچههای ایده» نامیدهاند.
به این ترتیب، عامل ممکن است بخش بزرگی از بودجه محاسباتی باقیمانده را صرف بهبود یک مسیر کند، حتی اگر اجرای دیگری راهی بهتر پیدا کرده باشد. مسئله فقط ماندن در یک مسیر نیست: طبق نتایج پژوهش، این الگو حتی زمانی ادامه پیدا میکند که عامل گاهی تاریخچه گفتوگویش را فشرده میکند.
در این زمینه، «زمینه گفتوگو» به محتوای مکالمه و استدلالهای قبلیای گفته میشود که مدل هنگام ادامه کار در دسترس دارد. این زمینه میتواند به حفظ تداوم کمک کند، اما نتایج پژوهش نشان میدهد همین تداوم گاهی عامل را به همان ایدههای پیشین بازمیگرداند.
Fork-and-Flush تاریخچه را پاک میکند، نه فضای کار را
روش پیشنهادی دو مرحله دارد. در مرحله «شاخهسازی»، عامل به K شاخه موازی تقسیم میشود؛ هر شاخه فضای کاری قبلی و فایلهای تولیدشده را به ارث میبرد. در مرحله «پاکسازی»، تاریخچه کامل گفتوگو از هر شاخه حذف میشود، اما فایلها، کد و نتایج ذخیرهشده در فضای کاری باقی میمانند.
در نتیجه، هر شاخه میتواند گفتوگویی تازه آغاز کند و همچنان به کارهای انجامشده دسترسی داشته باشد. تفاوت این روش با شروع از صفر آن است که دستاوردهای عملی حفظ میشوند، اما زنجیره استدلال قبلی به شاخه جدید جهت نمیدهد. به گفته پژوهشگران، شاخهای که زمینه گفتوگوی فرایند والد را نگه میدارد، بیشتر احتمال دارد دوباره به همان حوضچه ایده برگردد؛ زمینه تازه تنوع جستوجو را بازمیگرداند.
امتیاز بالاتر با همان بودجه محاسباتی
پژوهشگران Fork-and-Flush را روی ۱۳ وظیفه طولانیمدت آزمودند؛ از جمله چیدن چندضلعیها، زمانبندی کارگاه، رمزکاوی، فشردهسازی یک دستهبند CIFAR و بهینهسازی یک هسته VLIW. هر اجرا از چند ساعت تا بیش از ۱۰۰ ساعت طول کشید. عاملها از GPT-5.6-terra و GPT-5 استفاده کردند که از طریق GitHub Copilot CLI در دسترس بودند.
با بودجه محاسباتی برابر، میانگین امتیاز نرمالشده روش Fork-and-Flush برابر ۰٫۷۸ بود؛ در مقایسه، اجرای تکی به ۰٫۴۷ و روش best-of-4 به ۰٫۵۴ رسید. امتیاز نرمالشده، عملکرد را در مقیاس مشترکی برای مقایسه وظایف مختلف نشان میدهد. پژوهشگران افزایش نسبی این روش را در مقایسه با اجرای تکی ۶۶ درصد و در مقایسه با best-of-4 برابر ۴۴٫۴ درصد گزارش کردند.
Fork-and-Flush در ۱۲ مورد از ۱۳ وظیفه بالاترین میانگین امتیاز را داشت. نتایج آن همچنین یکنواختتر بود: انحراف معیار نرمالشده به ۰٫۱۶ رسید، در حالی که این عدد برای اجرای تکی ۰٫۲۶ بود. انحراف معیار کمتر یعنی فاصله نتایج اجراهای مختلف از میانگین کاهش یافته است. پژوهشگران همچنین گزارش کردند که پاککردن زمینه گفتوگو، حتی بدون شاخهسازی، نتایج را ۲۲ درصد بهبود داد.
چرا مدلهای قویتر هم ممکن است به بازنشانی زمینه نیاز داشته باشند
پژوهشگران برای بررسی نقش توانایی مدل، مسئلههای MAX-3-SAT را با سه اندازه از مدل Qwen3.5، یعنی نسخههای ۴B، ۹B و ۲۷B، آزمایش کردند. در این مسئلهها، تغییرپذیری نتایج اجراهای مختلف الگویی شبیه منحنی U وارونه داشت: بیشترین اختلاف زمانی دیده میشد که دشواری مسئله در مرز توانایی مدل قرار میگرفت؛ یعنی تقریباً در میانه عملکرد حدس تصادفی و عملکرد حلگر مرجع.
نویسندگان استدلال میکنند که مسائل پژوهشی باز، بنا بر تعریف، در مرز توانایی مدلها قرار دارند. از نگاه آنان، با بهترشدن مدلها، این مرز به سمت مسائل دشوارتر جابهجا میشود و تفاوت میان مسیرهای جستوجو همچنان باقی میماند. بنابراین، بازنشانی منظم زمینه ممکن است برای عاملهای پژوهشی پیشرفته نیز سودمند بماند؛ هرچند این نتیجه به معنای برتری تضمینشده روش در هر مسئله یا برای هر مدل نیست.
این خبر برای چه کسانی اهمیت دارد
این یافته برای پژوهشگرانی اهمیت دارد که از عاملهای خودکار برای حل مسئلههای چندساعته یا چندروزه استفاده میکنند؛ زیرا نشان میدهد تنظیم نحوه نگهداری تاریخچه میتواند بر تنوع راهحل و ثبات نتیجه اثر بگذارد. همچنین برای سازندگان ابزارهای عاملمحور، تفکیک «زمینه گفتوگو» از «فضای کاری» نکتهای کاربردی است: عامل میتواند استدلال قبلی را کنار بگذارد، بیآنکه کد و نتایج ذخیرهشدهاش را از دست بدهد.
پرسشهای متداول
روش Fork-and-Flush چیست؟
Fork-and-Flush در آزمایشها چه نتیجهای داشت؟
آیا پاککردن تاریخچه بهتنهایی هم مؤثر بود؟
مطالب مرتبط
چگونه با هوش مصنوعی شکاف محتوایی سایت را پیدا کنیم؟چگونه با هوش مصنوعی شکاف محتوایی سایت را پیدا کنیم پیدا کردن شکاف محتوایی (Content Gap)…
راهنمای انتخاب هوش مصنوعی برای کارخانهها در ۲۰۲۶انتخاب هوش مصنوعی برای کارخانه فقط مقایسه چند نرمافزار یا مدل زبانی نیست؛ باید مسئله کسبوکار،…
پرامپت انسانی کردن متن ChatGPT و حذف لحن ماشینیبرای انسانی کردن متن ChatGPT، فقط نباید از مدل بخواهید متن را «طبیعی» بنویسد؛ باید مخاطب،…




