ALTK-Evolve让GPT-4.1客服智能体登顶τ²-bench零售榜

IBM Research 发布 ALTK-Evolve 方法，称其让 GPT-4.1 驱动的客服智能体在 τ²-bench 零售领域榜单上超过现有条目，且无需更新模型权重。 该方法在基准自带的 ReAct 框架上运行，用与智能体相同的 GPT-4.1 分析其在训练任务上的成功与失败轨迹，提炼成简短行为准则并追加到系统提示词，再原样用于留出测试集。按 τ²-bench 要求，提交结果在完整 base split（训练集与测试集）上评分，以 Pass^4 报告。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。