# ALTK‑Evolve 将零售客服智能体推至 τ²‑bench 榜首

> IBM Research 的智能体采用 GPT‑4.1 和学得的提示指南，在零售基准测试中取得 67.5% 的 Pass⁴，击败所有前沿模型。

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

IBM Research 发布了 ALTK‑Evolve。这种方法为基于 GPT‑4.1 运行的基础 ReAct 客服智能体加入了一套简短的、通过学习得出的操作指南。在 τ²‑bench 零售任务中，这些规则将智能体的 Pass⁴ 得分提高到 67.5%，创下截至 October 12 2026 排行榜快照所报告的最高成绩。该方法不修改模型权重，也无需人工标注。

## 事实

- τ²‑bench 零售任务的 Pass⁴ 得分为 67.5%（October 12 2026 排行榜）
- 使用 GPT‑4.1 提取指南；无损配置下共有 292 条规则

## 为什么重要

零售企业只需调整提示词，无需进行成本高昂的模型微调，就能获得排名领先且可靠的自动化客服支持。

## 来源与参考

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

最后更新: 2026-10-20