Метод ALTK-Evolve позволяет ИИ-агентам достигать высоких результатов в бенчмарке τ²-bench, не прибегая к обновлению весов модели. Система анализирует попытки выполнения задач, извлекая из них успешные и неудачные сценарии, которые затем превращаются в краткие поведенческие правила. Эти рекомендации добавляются в системный промпт агента, что помогает ему лучше справляться с аутентификацией клиентов, подтверждением транзакций и обработкой возвратов. Согласно результатам тестирования, использование ALTK-Evolve с моделью GPT-4.1 позволило агенту превзойти все розничные решения в снимке лидерборда τ²-bench от 12 октября 2026 года. Применение метода также показало эффективность при работе с более мощной моделью GPT-5.5, повысив показатель надежности Pass^4 на 15 процентных пунктов. Авторы отмечают, что такой подход не увеличивает длительность диалогов, а лишь незначительно повышает затраты на входные токены, которые могут быть оптимизированы с помощью кэширования промптов.