ALTK-Evolve 用学习记忆提升 τ²-bench 客服智能体表现

ALTK-Evolve 从 GPT-4.1 的训练任务轨迹中提炼客服行为规则，并将规则追加到系统提示词中，无需更新模型权重或人工标注。零售任务采用全部规则后，测试集 Pass^4 从 57.5% 升至 67.5%；在 2026 年 10 月 12 日榜单快照中，GPT-4.1 版本以 67.5% 位列零售第一，GPT-5.5 版本以 82.0% 位列航空第一。