ALTK-Evolve 用学习记忆登顶 τ²-bench 零售榜

2026年10月20日，IBM Research 在 Hugging Face 博客发布技术报告，介绍 ALTK-Evolve 方法并公布 τ²-bench 评测结果。该方法用 GPT-4.1 分析智能体在训练任务上的成功与失败轨迹，蒸馏出简短行为规则并追加到系统提示词，不更新模型权重。据该报告，使用 GPT-4.1 这一较旧的非推理模型，基础客服智能体在 τ²-bench 零售任务上达到 67.5% Pass^4，高于其 2026年10月12日排行榜快照中的所有零售条目。报告称，按 τ²-bench 要求，提交在完整基础划分（训练集与测试集并集）上评分并以 Pass^4 报告；零售任务的 292 条规则提示词使每次对话成本从约 0.084 美元升至约 0.139 美元。上述成绩与成本数据均来自该博客自述。

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。