核心模型与趋势·· 4 小时前AI 评估 · 70/100分数表示内容值得关注的程度，依据实质份量、信息增量、证据强度、读者相关性和可用性，按内容类型加权。显示分数为两次独立评分的平均值。AI 判断可能有误，评分不代表事实已被核实，也不同于热点榜的讨论热度。
IBM Research 的 ALTK-Evolve 用学习记忆让 GPT-4.1 智能体登顶 τ²-bench 客服任务榜
ALTK-Evolve: How learned memory tops the τ²-bench leaderboard on customer service tasks without a frontier model
AI 导读
IBM Research 提出 ALTK-Evolve，用 GPT-4.1 从智能体自身任务轨迹中提炼行为准则并追加到系统提示词，不更新模型权重。在 τ²-bench 零售任务上，该方法的 Pass^4 从 57.5% 升至 67.5%，超过所有前沿模型条目和微调模型 RAFT-30B-A3B 的 61.4%。在航空任务上，搭配 GPT-5.5 的版本 Pass^4 达 82.0%，位列榜首。
来源：核心模型与趋势 · huggingface.co