ALTK-Evolve：学得性记忆如何在客服任务上登顶 τ²-bench 榜单，而无需前沿模型

IBM Research 的 ALTK-Evolve 用较老的非推理模型 GPT-4.1，从客服智能体自身的训练轨迹中提炼出一套行为准则"剧本"，追加到系统提示词中。在 τ²-bench（Sierra 的客服智能体评测）上，零售场景 Pass^4 达到 67.5%，力压所有前沿模型与微调模型 RAFT-30B-A3B（61.4%）登顶；换用 GPT-5.5 后航空场景达 82.0% 同样第一——全程无需更新权重、无需人工标注。为什么重要：它证明智能体的可靠性可以通过学得性提示词记忆大幅提升，而不必依赖更大模型或昂贵的微调，是一条廉价且可迁移的智能体改进路线。

• Hugging Face Blog2026-10-20 15:19