ALTK-Evolve 不更新权重登顶 τ²-bench 零售

IBM Research 提出的 ALTK-Evolve 方法，从智能体自身的任务轨迹中提炼行为规则并追加到系统提示词，在客服任务基准 τ²-bench 的零售任务上取得 67.5% Pass^4，登顶该榜单，且全程未更新模型权重。Pass^4 指在四次独立尝试中全部解出任务的题目占 67.5%。 该方法使用较早、非推理模型的 GPT-4.1，运行在 τ²-bench 原版 ReAct 脚手架上，智能体模型为 gpt-4.1、客户模拟器模型为 gpt-5.5，每题 4 次试验。据 IBM Research 称，唯一改动是在系统提示词末尾追加一段学习到的准则，策略、工具和脚手架均为基准原样。

AI 根据报道生成 · 7 小时前更新