Hugging Face Blog·· 2 天前精选
ALTK-Evolve 如何用学习记忆让 GPT-4.1 登顶 τ²-bench 零售榜首
ALTK-Evolve: How learned memory tops the τ²-bench leaderboard on customer service tasks without a frontier model
研究任务与主要进展
ALTK-Evolve 从训练任务轨迹中提炼行为规则并追加到系统提示，使未更新权重的 GPT-4.1 在 τ²-bench 零售测试集上的 Pass^4 从 57.5% 升至 67.5%，并以 67.5% 位列 2026 年 10 月 12 日排行榜快照零售榜首。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请阅读原文核验。
本站判断
该工作在不更新模型权重的情况下，从训练轨迹提炼客服规则并注入系统提示，在 τ²-bench 上同时提高平均准确率与四次全通过可靠性；其价值在于把行为经验转化为可复用提示记忆，但增益、规则数量和成本均依赖领域与基础模型。当前证据限于指定基准、模拟用户和四次试验，尚不能外推至真实客服环境。本站设想：可在真实客服任务及不同基础模型上比较规则迁移率、错误类型与端到端成本。
来源：Hugging Face Blog · huggingface.co