ALTK-Evolve 用学习记忆登顶 τ²-bench 客服榜

IBM Research 发布 ALTK-Evolve：用 GPT-4.1 分析智能体在 τ²-bench 训练任务上的轨迹，把成功与失败蒸馏成简短行为规则，追加到系统提示词，不更新模型权重、不做人工标注。该方法沿用基准自带的 ReAct 脚手架，规则在留出测试集上原样应用。 据 IBM Research 称，ALTK-Evolve 在 τ²-bench 客服基准的零售任务上超过现有条目。评测按 τ²-bench 要求覆盖完整 base split（训练集与测试集合并），以 Pass^4 报告。 规则块在每次调用中相同，IBM Research 称生产环境中这部分开销大部分可用提示缓存回收。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。