# ALTK‑Evolve、τ²‑benchの小売部門で首位に

> GPT‑4.1と学習したプロンプト指針を活用し、IBM Researchのエージェントが小売向けベンチマークでPass⁴ 67.5%を達成。最先端モデルを上回った。

Oossa · 2026-10-20 · https://oossa.com/ja/altk-evolve-pushes-retail-customer-service-agent-to-top-of-2-bench-leaderboard

IBM Researchは、GPT‑4.1で動作する基本的なReAct顧客サービスエージェントに、学習によって得た短い指針集を追加する手法「ALTK‑Evolve」を公開した。このルールを加えることで、τ²‑benchの小売タスクにおけるエージェントのPass⁴スコアは67.5%に上昇。2026年10月12日時点のリーダーボードで、報告された最高スコアとなった。モデルの重みは変更せず、人手によるラベル付けも必要ない。

## 事実

- τ²‑bench小売部門でPass⁴＝67.5%（2026年10月12日時点のリーダーボード）
- 損失のない構成では、GPT‑4.1を使って292個の指針を抽出

## なぜ重要か

小売企業は、高額なモデルのファインチューニングを行わず、プロンプトを調整するだけで、信頼性の高い自動サポートをトップ水準で実現できる。

## 出典と参考資料

1. [ALTK-Evolve: How learned memory tops the τ²-bench leaderboard on customer service tasks without a frontier model](https://huggingface.co/blog/ibm-research/altk-evolve-bc) – Hugging Face, 2026-10-20

最終更新: 2026-10-20