ALTK-Evolve 公开了代码与 benchmark PR；10 个百分点提升来自作者在小型 held-out 子集上的评测。
ALTK-Evolve 为客服 agent 加入可学习记忆
2026-10-20前沿观察TRIAL
IBM Research 与 Hugging Face 称，ALTK-Evolve 能从已完成的客服任务中学习可复用的 prompt 级指导。在 τ²-bench 的 held-out 航空子集上，作者报告 GPT-5.5 在 20 个任务、每题重复 4 次的测试中提高 10 个百分点。Apache-2.0 实现已公开，但结果来自项目团队，覆盖的是小型 benchmark 切片，不是真实客服流量。
可用状态：Apache-2.0 仓库与 benchmark PR 已公开
对你意味着什么
对 agent 团队来说，关键不是再加一个向量库，而是把历史结果整理成可编辑指令的记忆层。公开代码足以支持小范围试验；还要验证它能否迁移到没见过的政策，以及失败轨迹会不会污染后续行为。
前沿观察
公开材料与效果验证，分开看。
已记录的事实是工作及其材料已公开。论文或作者报告的效果不自动等于独立复现。下一步关注可复用代码、任务设置和第三方验证。
证据与关联材料
技术细节与六维评分
| 方法 | 从已完成轨迹中学习 prompt 级行为记忆 |
|---|---|
| 评测 | τ²-bench held-out 航空子集；20 个任务，每题 4 次；作者报告 GPT-5.5 从 72.5% 升至 82.5% |
| 可用性 | Apache-2.0 仓库与 benchmark PR 已公开 |
| 证据限制 | 项目团队评测；没有真实部署或独立复现 |
| 时间依据 | Hugging Face RSS 与元数据均给出 2026-10-20T15:19:48Z |
技术影响 3
工程价值 4
采用信号 2
成熟度 2
验证成本 3
风险 3