ALTK-Evolve 通过学习记忆在 τ²-bench 客服任务中超越前沿模型
当前事件综述（非历史快照）
ALTK-Evolve 框架由 AgentToolkit 发布，利用 GPT-4.1 在不更新模型权重的情况下，通过学习记忆机制在 τ²-bench 客服任务中取得首位。该框架通过分析代理的训练尝试，将成功与失败提炼为简短的行为规则（如客户认证、交易确认、退货处理），并将其追加到系统提示词中。使用 GPT-4.1 的基础 ReAct 代理在 τ²-bench 零售任务中达到了 67.5% 的 Pass^4 分数，超越了 10 月 12 日排行榜上的所有零售条目。
AI 根据报道生成 · 11 天前更新
事件探索工作台
同一时点联动报道、关系与证据。
此时新增 ·ALTK-Evolve：学习记忆在不更新模型权重的情况下登上 τ²-bench 客服任务排行榜首位
- 本次回放累计
- 1
- 一手资料
- 1
- 报道来源
- 1
此时首次收录的报道 · 1
- Hugging Face Blog · 一手资料ALTK-Evolve：学习记忆在不更新模型权重的情况下登上 τ²-bench 客服任务排行榜首位查看原始来源 ↗
按本站首次发现时间回放。历史图谱与证据使用同一时点；完整综述与热度仍是当前视角。
事件进展
1 条进展2026/10/20 23:22:10
ALTK-Evolve：学习记忆在不更新模型权重的情况下登上 τ²-bench 客服任务排行榜首位Hugging Face Blog
按本站首次收录时间筛选；只显示代表报道在此时点前已收录的进展。当前事件归组可能后来修订，不是完整历史快照。
此时的实体关系
正在读取历史关系…
历史重建（非精确快照）：按首次收录与关系记录时间筛选；实体名、关系陈述和事件归组可能已经被后来修订，不能将其当作当时原始记录。 下方综述与完整来源索引仍属于当前视角。
Story 路线
从第一份公开证据到最新进展的逐站路线；每一站都带着自己的证据和不确定性。
- 110月20日 00:00收录于 10月20日 23:22单一来源有修订
ALTK-Evolve 通过学习记忆在 τ²-bench 客服任务中超越前沿模型
核对原始报道 ↗ Hugging Face Blog在探索工作台回到这个时点
不确定性标注指出需要核对原文的地方，不是已证实的因果。
完整来源索引（截至目前）
目前公开的报道索引，不属于历史回放。
一手资料 · 1 篇
- Hugging Face Blog · 10月20日 23:19ALTK-Evolve：学习记忆在不更新模型权重的情况下登上 τ²-bench 客服任务排行榜首位
ALTK-Evolve 通过学习代理在 τ²-bench 任务中的尝试，将成功与失败提炼为简短的行为规则，并将其追加到系统提示词中。
核对原始报道 ↗
第三方报道 · 0 篇
目前尚未收录这一类可核实资料，不能把单方说法当作多方证据。
不同报道并不自动代表观点冲突；阅读原文核对事实、条件和发布日期。后续来源加入后此处会自动更新。
报道时间线
沿着报道，了解事件的不同侧面。
- Hugging Face Blog精选ALTK-Evolve：学习记忆在不更新模型权重的情况下登上 τ²-bench 客服任务排行榜首位
ALTK-Evolve 通过学习代理在 τ²-bench 任务中的尝试，将成功与失败提炼为简短的行为规则，并将其追加到系统提示词中。