先了解这件事
IBM Research 报告称,其学习记忆方法在 τ2-bench 客服基准上取得领先。该方法名为 ALTK-Evolve,用 GPT-4.1 从智能体自身训练轨迹中提炼行为准则并追加到系统提示词,无需更新权重或人工标注。在零售任务上,该方法达到 67.5% Pass^4,超过其 2026 年 10 月 12 日榜单快照中的所有零售条目;零售平均准确率从 78.1% 升至 82.5%,Pass^4 从 57.5% 升至 67.5%。航空域用 GPT-4.1 时 Pass^4 从 35.0% 升至 45.0%,换用 GPT-5.5 后升至 82.0%。作者称增益来自更准确的决策而非更长对话,准则使对话轮数略减,成本主要增加在输入 token 上。
AI 根据公开报道生成
最新进展 · 正式报道
IBM Research 用学习记忆在 τ²-bench 客服基准登顶事件进展
1 个已确认进展
- 来源：Hugging Face
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月20日
Unite.AI
IBM Research 用学习记忆在 τ²-bench 客服基准登顶
IBM Research 报告称，从智能体自身训练轨迹中自动学到的行为规则追加到系统提示词后，使 GPT-4.1 客服智能体在 τ²-bench 零售域达到 67.5% Pass^4，高于其 2026 年 10 月 12 日排行榜快照中的所有零售条目。该方法名为 ALTK-Evolve，由同一模型把成功与失败蒸馏成简短行为规则，无需更新权重或人工标注。在 40 个留出零售任务上，无规则基线为 78.1% 平均准确率和 57.5% Pass^4，保留全部 292 条规则的配置升至 82.5% 和 67.5%；航空域则是最多保留 14 条高支持度规则的 sup3 配置 Pass^4 最佳。规则块使零售每次对话成本从 $0.084 升至 $0.139，但对话轮数略有减少。
Hugging Face一手精选
ALTK-Evolve 用学习型记忆让 GPT-4.1 客服智能体登顶 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提炼行为准则并追加到系统提示词，在 τ²-bench 零售任务上达到 67.5% Pass^4，超过其 2026 年 10 月 12 日榜单快照中的所有零售条目。该方法无需更新权重或人工标注，零售平均准确率从 78.1% 升至 82.5%，Pass^4 从 57.5% 升至 67.5%；航空域用 GPT-4.1 时 Pass^4 从 35.0% 升至 45.0%，换用 GPT-5.5 后升至 82.0%。作者称增益来自更准确的决策而非更长对话，准则使对话轮数略减，成本主要增加在输入 token 上。