IBM Research ने ALTK‑Evolve जारी किया है। यह तरीका GPT‑4.1 पर चलने वाले बुनियादी ReAct ग्राहक-सेवा एजेंट में सीखी गई गाइडलाइंस की एक छोटी प्लेबुक जोड़ता है। इन अतिरिक्त नियमों से τ²‑bench के रिटेल टास्क पर एजेंट का Pass⁴ स्कोर बढ़कर 67.5% हो गया—12 अक्टूबर 2026 की लीडरबोर्ड झलक में दर्ज सबसे ऊंचा स्कोर। मॉडल के वेट में कोई बदलाव नहीं किया गया और न ही मानवीय लेबलिंग की जरूरत पड़ी।
यह क्यों मायने रखता है
रिटेल कंपनियां महंगी मॉडल फाइन-ट्यूनिंग के बजाय सिर्फ प्रॉम्प्ट में बदलाव करके शीर्ष रैंकिंग वाला, भरोसेमंद स्वचालित ग्राहक-सहायता सिस्टम हासिल कर सकती हैं।
