Microsoft Research、長時間エージェントが同じ発想に留まる「idea basins」を指摘　Fork-and-Flushで正規化スコア66%向上

論文「Fork-and-Flush: Escaping Idea Basins in Autoresearch Agents」（arXiv:2610.07447）は、候補を提案・評価・改善し続けるautoresearchエージェントについて、同じタスクの独立実行が大幅に異なるスコアで頭打ちになり、追加計算でも差が残ることを示した。成果物を機能類似で埋め込むと、各実行が局所領域に留まる様子が現れ、著者らはこれをidea basinsと呼ぶ。対策として周期的にK本の並列分岐を作り、それぞれが現行ワークスペースを引き継ぎつつチャット文脈を空にして一定予算で探索し、最高スコアの分岐だけを続けるFork-and-Flushを評価した。Frontier-CSやEdgeBenchなど13の長時間課題（実行は数時間〜数日）で、同一計算予算の下、min-max正規化平均スコアが単一実行比66.0%、best-of-4比44.4%改善したという。フォークのみ・フラッシュのみのアブレーションではそれぞれ改善するが、組み合わせが最も効果的だった。エージェントはGitHub Copilot CLIを用い、会話の要約圧縮だけでは盆地から抜け出せないことも指摘している。