IBM Research：GPT-4.1免训练登顶客服基准
IBM Research推出ALTK-Evolve方法，让GPT-4.1免训练登顶客服基准。该代理在τ²-bench零售任务中取得67.5%通过率，全程未更新模型权重，仅靠自动生成的行为指南优化提示词。
# GPT-4.1
共 2 篇相关文章
IBM提出一致性诊断法，缩小AI智能体可靠性缺口
IBM研究院发现AI智能体在重复任务中存在显著的一致性缺口。通过构建Consistency Analyzer诊断工具并生成针对性指导方针，团队将GPT-4.1驱动的智能体在AppWorld基准上的Pass^5成功率从53%提升至69%，有效缩小了平均准确率与完全可靠率之间的差距。