IBM公布ALTK-Evolve客服智能体实验结果

IBM Research公布ALTK-Evolve实验结果，称其为GPT-4.1客服智能体添加从运行记录中学习的提示词指南后，在τ²-bench零售和航空任务上均取得提升；零售任务的Pass^4得分为67.5%，超过2026年10月12日榜单快照中的所有零售条目。 该方法不更新模型权重，而是用GPT-4.1从训练任务的运行记录中提取指南，再原样用于留出的测试任务。实验每项任务运行四次，榜单得分按要求在训练集与测试集的合集上计算；上述成绩属于基准测试结果。

AI 根据报道生成 · 54 分钟前更新

还没有足够的连续观测数据，暂不绘制趋势。