ALTK-Evolve 如何用学习型记忆提升 τ²-bench 客服智能体表现

ALTK-Evolve 从智能体训练轨迹中提炼行为规则并附加到系统提示词，不更新模型权重即可提升 τ²-bench 客服任务表现。使用 gpt-4.1 时，零售 held-out 任务的 Pass^4 达到 67.5%，在 October 12, 2026 排行榜快照中排名第一；gpt-5.5 在航空任务上的 Pass^4 达到 82.0%，同样排名第一。