不更新权重也能登顶榜单

最近看到 IBM 研究团队的一篇企业博客，讲他们用「学习型记忆」把最基础的 ReAct 智能体送上了 τ²-bench 榜首。这个基准专门测有政策约束的客服场景，零售类目里他们的方案超过了所有对手，而且全程没有动模型权重。对做跨境客服自动化的人来说，这个方向比单纯换更强的模型更值得琢磨。

他们的做法叫 ALTK-Evolve，核心是让智能体自己学一本「操作手册」：从任务里沉淀出可复用的指导原则，下次遇到类似场景直接调用。博客里提到几个关键结论：指导原则能同时提升能力和可靠性；但给多少指导要看具体领域，不是越多越好；性能提升主要花在 token 上，而不是对话轮次上。这几点其实挺反直觉的，很多人以为多轮追问才是提效关键。我比较在意的是「学到的指导原则对使用前沿模型的智能体同样有效」这一条。意思是这套记忆层和底座模型解耦，你换模型不用重训，手册还能继续用。对跨境团队来说这很实际，客服政策、退换货规则、物流时效话术经常变，把变化沉淀成手册比反复微调便宜太多。当然也别太乐观。博客自己说了，最佳指导量取决于领域，这意味着手册需要持续维护和裁剪，否则容易变成又长又偏的提示词垃圾场。而且 token 成本上升是实打实的，高并发客服场景下这笔账要算清楚。我的判断是，这套思路适合政策复杂、长尾问题多的品类，简单 FAQ 场景未必划算。整体看，这条路线给了一个不碰权重、靠记忆演化的提效选项。出海客服本来就面临多语言、多平台、多政策叠加的复杂度，先把「什么该记住、什么该忘掉」这件事做扎实，可能比追新模型更早看到回报。