# ALTK‑Evolve, τ²‑bench liderlik tablosunda zirveye çıktı

> GPT‑4.1 ve öğrenilmiş istem yönergelerini kullanan IBM Research ajanı, perakende kıyaslamasında %67,5 Pass⁴ puanıyla önde gelen tüm modelleri geride bıraktı.

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

IBM Research, GPT‑4.1 üzerinde çalışan temel bir ReAct müşteri hizmetleri ajanına öğrenilmiş yönergelerden oluşan kısa bir oyun planı ekleyen ALTK‑Evolve yöntemini yayımladı. Eklenen kurallar, ajanın τ²‑bench perakende görevindeki Pass⁴ puanını %67,5’e çıkararak 12 Ekim 2026 tarihli liderlik tablosunda bildirilen en yüksek skoru elde etmesini sağladı. Model ağırlıklarında değişiklik yapılmıyor ve insan eliyle etiketleme gerekmiyor.

## Gerçekler

- τ²‑bench perakende görevinde Pass⁴ = %67,5 (12 Ekim 2026 tarihli liderlik tablosu)
- Yönergeler GPT‑4.1 ile çıkarıldı; kayıpsız yapılandırmada 292 kural bulunuyor

## Neden önemli

Perakende şirketleri, pahalı model ince ayarları yerine yalnızca istemlerde değişiklik yaparak üst sıralarda yer alan, güvenilir otomatik destek sunabilir.

## Kaynaklar ve referanslar

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

Son güncelleme: 2026-10-20