Microsoft : Fork-and-Flush renouvelle le contexte des agents de recherche

TThéa

Microsoft Research étudie Fork-and-Flush, une méthode qui efface l’historique de conversation d’agents de recherche autonomes tout en gardant leurs fichiers et leur espace de travail. La question est importante pour des systèmes qui travaillent longtemps : davantage de calcul ne suffit pas toujours à les faire progresser. Dans 8 exécutions indépendantes du même agent sur une même tâche, les scores finaux vont de 68,3 à 100. Ces écarts persistent malgré l’ajout de calcul, selon The Decoder. Les chercheurs observent que les agents tendent à rester dans des régions de solutions similaires. Même la compression périodique de l’historique ne les en fait pas toujours sortir. Un agent peut donc continuer à améliorer une approche sans explorer une autre piste trouvée lors d’une exécution distincte. Fork-and-Flush crée plusieurs branches de travail. Chacune conserve l’espace de travail et les fichiers déjà produits, mais repart sans l’historique de conversation. Le travail précédent n’est donc pas supprimé : les résultats restent accessibles, tandis que les échanges antérieurs ne continuent pas à orienter la recherche. Les branches peuvent ainsi explorer des pistes différentes, avant que le processus ne retienne la meilleure.

TThéa

Les essais portent sur 13 tâches, dont le placement de polyominos, l’ordonnancement d’atelier et la cryptanalyse. Ils utilisent GPT-5.6-terra et GPT-5.5 via l’interface en ligne de commande GitHub Copilot. À budget de calcul identique, Fork-and-Flush obtient un score moyen normalisé de 0,78, contre 0,47 pour une exécution unique et 0,54 pour le meilleur résultat parmi 4 exécutions. La méthode obtient le meilleur score moyen sur 12 tâches sur 13. Les résultats sont aussi moins dispersés : l’écart-type normalisé est de 0,16 avec Fork-and-Flush, contre 0,26 pour les exécutions uniques. Effacer le contexte sans créer de branches améliore déjà les résultats de 22 %. Ces mesures montrent un avantage dans les essais réalisés, sans établir que chaque tâche bénéficiera de la même façon de la méthode. La durée donne une idée des ressources en jeu. Certaines exécutions individuelles prennent plusieurs heures et peuvent dépasser 100 heures, selon Brief IA. Fork-and-Flush vise à diversifier l’exploration à budget égal, plutôt qu’à prolonger une recherche qui reste dans une même région de solutions. Les essais évaluent ainsi à la fois la qualité des résultats et leur régularité sur des tâches longues.

TThéa

Brief IA rapporte que les effets de Fork-and-Flush persistent avec des modèles Qwen3.5 de différentes tailles, lorsque les tâches se trouvent près des capacités de ces modèles. Ce résultat étend les observations au-delà des essais menés avec GPT-5.6-terra et GPT-5.5, mais ne permet pas de conclure que la méthode améliore tous les modèles ou toutes les tâches. La méthode ne supprime donc pas le travail déjà produit : elle conserve les fichiers et les résultats, mais renouvelle le contexte conversationnel qui accompagne la recherche. Pour les agents autonomes chargés de tâches longues, les essais indiquent que cette séparation peut améliorer les scores moyens et réduire leur dispersion, à budget de calcul identique. La portée du constat reste liée aux tâches et aux modèles évalués, et certaines exécutions durent très longtemps. À retenir : Fork-and-Flush garde les acquis de l’agent tout en lui permettant de repartir avec un contexte de conversation vierge. Sur les tâches testées, les résultats rapportés sont meilleurs et plus réguliers que ceux d’une exécution unique. C’est ce compromis entre continuité du travail et renouvellement de l’exploration qui constitue le principal enseignement de l’étude.