ALTK-Evolve 学习记忆登顶 τ²-bench 零售榜

IBM Research 在 Hugging Face 发布 ALTK-Evolve：用 GPT-4.1 从智能体自身训练轨迹中蒸馏出行为规则，追加到系统提示词后，客服智能体在 τ²-bench 零售领域取得 67.5% Pass^4，高于该榜 2026 年 10 月 12 日快照中的所有零售条目。 该方法不更新模型权重、无人工标注，除追加学到的规则外，策略、工具与脚手架均沿用 τ²-bench 原版 ReAct 设置；评测覆盖零售与航空两个客服领域，按基准要求在完整 base split（train ∪ test）上以 Pass^4 计分。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。