ALTK-Evolve 不更新权重登顶 τ²-bench 零售榜
热点事件持续更新
ALTK-Evolve 不更新权重登顶 τ²-bench 零售榜
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
ALTK-Evolve 在不更新模型权重的前提下，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。 方法沿用 τ²-bench 原生 ReAct 脚手架，只把学到的准则以 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。 在零售域使用全量准则时，平均准确率从 78.1% 提升到 82.5%，Pass^4 从 57.5% 提升到 67.5%。航空域 Pass^4 从 35.0% 提升到 45.0%，但该域以 14 条高支持度准则的紧凑版本更可靠。
AI 根据报道生成 · 3 小时前更新
最新进展10月20日 23:19
ALTK-Evolve 用 GPT-4.1 加学习记忆登顶 τ²-bench 客服任务榜报道时间线
沿着报道，了解事件的不同侧面。
10月20日
- Hugging Face Blog精选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。
本事件热度走势
- 可比范围当前
- 9
- 可比范围峰值
- 1010月21日 00:00
- 近 24 小时变化
- –
02.557.510
10月21日01:0002:00
趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。