ALTK-Evolve：利用学习记忆让 GPT-4.1 在客服 τ²-bench 零售榜领先

ALTK-Evolve 使用 GPT-4.1 从代理训练轨迹中提取行为规则，并将规则追加到后续对话的系统提示中。在 τ²-bench 零售任务上，GPT-4.1 代理达到 67.5% Pass^4，超过 2026 年 10 月 12 日榜单中的所有零售条目；换成 GPT-5.5 后，航空任务达到 82.0% Pass^4。文章还报告了准确率、可靠性、规则数量及每轮对话成本的变化。