ALTK-Evolve 用学习记忆登顶 τ²-bench 客服榜

IBM Research 在 Hugging Face 博客发布 ALTK-Evolve：它用 GPT-4.1 从智能体自身在 τ²-bench 训练任务上的轨迹中提炼行为准则，以 markdown 列表追加到系统提示词，不更新模型权重，也不需人工标注。该方法运行在基准自带的 ReAct 脚手架上，提炼准则与执行任务使用同一模型，准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 retail 条目上超过现有参赛条目。评测按 τ²-bench 要求覆盖完整 base split（训练集与测试集），以 Pass^4 报告。

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。