ALTK-Evolve 用 GPT-4.1 加学习记忆登顶 τ²-bench 客服任务榜

ALTK-Evolve 用 GPT-4.1 从智能体自身的任务轨迹中提炼行为准则，追加到系统提示词后，在 τ²-bench 零售域取得 67.5% 的 Pass^4，超过该榜所有零售条目，且不更新模型权重。方法沿用 τ²-bench 原生 ReAct 脚手架，仅把学到的准则以 markdown 列表附在领域政策之后，准则提取与智能体使用同一模型，无需人工标注。零售域全量准则把平均准确率从 78.1% 提到 82.5%，Pass^4 从 57.5% 提到 67.5%；航空域 Pass^4 从 35.0% 提到 45.0%，但该域以 14 条高支持度准则的紧凑版本更可靠。