公开知识图谱记录

ALTK-Evolve

基准测试: τ²-bench retail：Pass^4 为 67.5%
基准测试: 零售 Mean Accuracy 从 78.1% 升至 82.5%
基准测试: 航空 Mean Accuracy 从 57.5% 升至 65.0%
基准测试: 航空 Pass^4 从 35.0% 升至 45.0%
基准测试: AppWorld
能力: 从代理历史轨迹生成可复用指南
能力: 在推理时注入生成的指南
能力: consistency guidelines

记录摘要

Turns past trajectories into individually retrievable guidelines with support co

来自项目知识图谱的有来源实体；具体工具属性仍需补齐。

知识图谱当前记录了 9 个已知资料维度，另有 10 个维度尚未记录，关联 5 篇公开资料。这些数字只描述资料覆盖，不代表模型性能或适配性已经验证。