ALTK‑Evolve là một phương pháp mới giúp các agent dịch vụ khách hàng nâng cao hiệu suất mà không cần cập nhật trọng số mô hình. Bằng cách dùng GPT‑4.1 để phân tích các lần thử nghiệm trước, hệ thống tự động tạo ra một “playbook” gồm các hướng dẫn ngắn gọn, sau đó chèn vào prompt hệ thống của agent ReAct.
Trong thí nghiệm trên τ²‑bench – một bộ benchmark đo lường khả năng xử lý các cuộc hội thoại dịch vụ khách hàng – phiên bản cơ bản của agent với GPT‑4.1 đạt 67,5 % Pass^4 trên domain retail, cao hơn mọi mô hình bán lẻ được công bố vào ngày 12‑10‑2026. Đánh giá này được thực hiện với 4 lần thử cho mỗi nhiệm vụ, sử dụng GPT‑5.5 làm mô hình mô phỏng khách hàng.
Quy trình tạo “guidelines” bao gồm: (1) thu thập kết quả các lần thử, (2) để GPT‑4.1 tóm tắt các thành công và thất bại, (3) chuyển các tóm tắt thành các quy tắc markdown như “Xác thực người dùng trước khi thực hiện bất kỳ hành động nào” hay “Luôn xác nhận mọi thay đổi trước khi thực hiện”. Các quy tắc này được gắn sau phần chính sách domain trong prompt, không thay đổi cấu trúc ReAct gốc.
Việc không cần fine‑tune hay nhãn dữ liệu thủ công giảm đáng kể chi phí và thời gian triển khai, đồng thời mở ra khả năng áp dụng nhanh cho các domain khác như hàng không, ngân hàng. ALTK‑Evolve chứng minh rằng “học nhớ” có thể là một bước tiến quan trọng trong việc xây dựng các agent LLM có tính an toàn và tuân thủ quy định.
Nguồn: Hugging Face — Biên dịch & tổng hợp: danhbaai.com