ALTK-Evolve用GPT-4.1学习记忆登顶τ²-bench零售任务

IBM Research 在 Hugging Face 博客发布 ALTK-Evolve：不更新模型权重，用 GPT-4.1 从 τ²-bench 训练任务的智能体轨迹中提取行为准则，追加到系统提示词后原样用于测试集，在零售任务上取得 67.5% Pass^4，超过其 2026 年 10 月 12 日榜单快照中的所有零售条目。 该方法运行在基准自带的 ReAct 框架上，按 τ²-bench 要求以完整 base split（train ∪ test）计分。代价是零售任务的 292 条准则提示使每次对话成本从约 0.084 美元升至约 0.139 美元，航空任务准则较少、成本更低。

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。