IBM 研究：ALTK-Evolve 方法让 GPT-4.1 智能体在客户服务基准 τ²-bench 上领先

Techub News 消息，IBM 研究院发布博客介绍了其 ALTK-Evolve 方法。该方法让一个基于 GPT-4.1 的基础 ReAct 智能体在客户服务基准 τ²-bench 的零售领域达到了 67.5% 的 Pass^4 分数，即在所有四次独立尝试中均能解决 67.5% 的任务，超越了该基准 2026 年 10 月 12 日排行榜上的所有零售领域记录。 该方法的核心是让智能体分析其在训练任务中的尝试，并使用同一模型（GPT-4.1）将成功与失败经验提炼成简短的行为准则，例如如何验证客户身份或处理退货。这些准则随后被添加到智能体的系统提示词中，用于后续对话，无需更新模型权重或人工标注。 研究在 τ²-bench 的零售和航空两个客户服务领域进行了测试。结果显示，加入提炼出的行为准则后，智能体的平均准确率（Mean Accuracy）和可靠性（Pass^4）均有显著提升，证明了该方法能有效提升基础模型的执行能力与稳定性。（Hugging Face）