Hugging Face Blog·· 3 小时前
ALTK-Evolve 如何用学习到的记忆在 τ²-bench 客服任务上登顶
ALTK-Evolve: How learned memory tops the τ²-bench leaderboard on customer service tasks without a frontier model
AI 导读
ALTK-Evolve 用 GPT-4.1 从智能体自身的任务轨迹中提炼行为准则，追加到系统提示词后，在 τ²-bench 零售域达到 67.5% Pass^4，超过榜单上所有零售条目和微调模型 RAFT-30B-A3B 的 61.4%。
入选记录
门槛 60官方一手第一次 58第二次 58
未入选两次之和 116 < 门槛的两倍 120
- 信源等级
- 官方一手，这一级的门槛是 60 分
- 预筛
- 通过：介绍AI智能体记忆学习与基准评测方法
评分由模型按同一份标准独立打两次，满分 100；两次之和达到门槛的两倍才入选。门槛按信源等级设定。
来源：Hugging Face Blog · huggingface.co