ALTK-Evolve 用学习式记忆让 GPT-4.1 登顶 τ²-bench 客服榜

IBM Research 发布 ALTK-Evolve 方法，从 GPT-4.1 在 τ²-bench 训练任务中的轨迹自动提取行为准则并追加到系统提示词，不更新权重，使基础 ReAct 客服智能体在 τ²-bench 零售域 Pass^4 达到 67.5%，超过所有前沿模型及微调系统 RAFT-30B-A3B。 该方法在航空域同样有效，主要成本来自输入 token，对话轮次略降。评测使用 τ²-bench 官方基础 ReAct 智能体，GPT-4.1 作为智能体模型、GPT-5.5 作为客户模拟器，每任务 4 次试验，在完整基础集（训练∪测试）上评分。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。