IBM улучшает работу GPT-4.1 без изменения весов модели

IBM Research представила ALTK-Evolve — подход, при котором для ИИ-агента создают и применяют набор выученных рекомендаций. В описанном опыте агент обслуживания клиентов использует GPT-4.1, а улучшения вносятся в его память и инструкции, без изменения весов самой модели.

Что показала проверка

По сообщению авторов, агент успешно решил 67,5% задач розничного раздела теста τ² во всех четырёх независимых попытках. Это показатель устойчивого выполнения: здесь недостаточно получить правильный результат лишь однажды.

IBM сравнивает результат со снимком таблицы этого раздела от 12 октября и сообщает о превосходстве над всеми представленными там результатами. Это сравнение относится к конкретному разделу и конкретному состоянию таблицы, а не ко всем современным ИИ-системам.

Почему это важно

Опыт показывает ещё один путь улучшения прикладного агента: помимо выбора новой модели можно работать с тем, какие рекомендации он сохраняет и применяет при выполнении задачи. В данном случае существенный результат заявлен для более старой GPT-4.1.

Но это не выпуск новой базовой модели и не доказательство общего превосходства GPT-4.1. Речь идёт о специализированной системе для обслуживания клиентов; переносимость результата на другие задачи потребует отдельных проверок. Числа и сравнение приводятся по публикации IBM Research, а не по независимому воспроизведению.

Источник: публикация IBM Research на Hugging Face.