热点事件历史事件

ALTK-Evolve 不调权重登顶 τ²-bench 客服基准

1 篇报道1 个报道来源13 天前更新

先了解这件事

AI 综述

IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve：它用 GPT-4.1 分析智能体在 τ²-bench 训练任务上的成功与失败轨迹，蒸馏出简短行为规则并追加到系统提示词，不更新模型权重。该方法运行在基准自带的 stock ReAct 脚手架上，规则在留出测试集上原样使用。在 τ²-bench 客服基准上，使用该方法的 GPT-4.1 智能体零售域 Pass^4 从 57.5% 升至 67.5%，平均准确率从 78.1% 升至 82.5%；航空域 Pass^4 从 35.0% 升至 45.0%。作者称其零售成绩超过该基准上的零售参赛条目。按 τ²-bench 要求，提交结果在完整 base split（train ∪ test）上评分并以 Pass^4 报告。作者还称，生产环境中因规则块在每次调用中相同，这部分开销可借提示缓存大部分回收。

AI 根据报道生成 · 13 天前更新

最新进展10月20日 23:19

ALTK-Evolve 用学习记忆让 GPT-4.1 客服智能体登顶 τ²-bench

报道时间线

沿着报道，了解事件的不同侧面。

10月20日

23:19
Hugging Face Blog 精选
ALTK-Evolve 用学习记忆让 GPT-4.1 客服智能体登顶 τ²-bench
IBM Research 在 Hugging Face 博客介绍 ALTK-Evolve：它用 GPT-4.1 分析智能体在训练任务上的成功与失败轨迹，蒸馏出简短行为规则并追加到系统提示词，不更新模型权重。在 τ²-bench 客服基准上，使用 stock ReAct 脚手架的 GPT-4.1 智能体在零售域 Pass^4 从 57.5% 升至 67.5%，平均准确率从 78.1% 升至 82.5%；航空域 Pass^4 从 35.0% 升至 45.0%。