ALTK-Evolve 用学习记忆登顶 τ²-bench 零售榜

IBM Research 在 Hugging Face 博客发布技术报告称，ALTK-Evolve 让 GPT-4.1 客服智能体在 τ²-bench 零售域取得 67.5% Pass^4，超过该榜所有零售条目，也高于微调模型 RAFT-30B-A3B 的 61.4%。该方法不更新模型权重，而是在基准自带的 ReAct 框架上，用同一 GPT-4.1 从训练任务轨迹中提炼行为准则，追加到系统提示词后原样用于留出测试集。 按 τ²-bench 要求，提交在完整 base split（train ∪ test）上评分，指标为 Pass^4。报告称零售域 292 条准则的提示词使每次对话成本从约 0.084 美元升至约 0.139 美元，航空域准则较少、成本更低。

AI 根据报道生成 · 57 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。