ALTK-Evolveの学習メモリはいかにしてτ²-benchの顧客対応で首位に立ったか

ALTK-Evolveは、GPT-4.1で学習したガイドラインを基本的なReActエージェントのシステムプロンプトに追加することで、モデルの重みを更新せずに、τ²-benchの小売ドメインでPass^4 67.5%を達成した。これは2026年10月12日時点のリーダーボードにある小売部門の全エントリを上回る。航空ドメインでも平均精度が57.5%から65.0%に向上した。