💬 观点Hugging Face
Thinking of ACE? We Can Do It with Fewer Tokens — IBM 研究团队提出 ALTKEvolve，用更少 token 实现 ACE 级
IBM 研究团队提出 ALTKEvolve，用更少 token 实现 ACE 级 agent 推理。
2026-08-11原文
本文为要点摘要，完整细节以原文为准。
🧭 一图看懂
由原文自动提炼 · 以原文为准点击任一分支，查看这一点的一句话解读
ALTK-Evolve 用更少 token 实现…
两系统都不压缩经验，差别在于推理时把多少经验喂给模型
- ACE 每步注入完整 playbook
- ALTK-Evolve 按任务检索少量 guideline
⚙️ 流程拆解
STEP 1采集 agent 轨迹
STEP 2提取 typed guideline
STEP 3聚类合并并保留支持计数
STEP 4按任务检索少量 guideline
STEP 5推理时注入模型
🔗 涉及的概念与玩家
- ALTK-Evolve产品
- ACE方法
- IBM公司
- AppWorld产品
- DeepSeek-V3.2模型
- gpt-oss-120b模型
- ReAct方法
- agentic memory概念
- IBM—提出→ALTK-Evolve
- ALTK-Evolve—对比→ACE
- ALTK-Evolve—评测于→AppWorld
- ACE—评测于→AppWorld
- ALTK-Evolve—属于→agentic memory
- ACE—属于→agentic memory
- ALTKEvolve 通过进化式提示优化，将复杂任务分解为子任务，减少 token 消耗，同时保持与 ACE 相当的推理性能。
- 该方法在多个基准测试上验证，token 使用量显著降低，对开发者意味着更低的推理成本和更高效的 agent 部署。
- 研究强调提示工程的重要性，提示的自动进化可提升 agent 的泛化能力，为工具链设计提供新思路。
原文：Thinking of ACE? We Can Do It with Fewer Tokens · 作者 Hugging Face
🕸 顺着图谱继续读
- How Much Memory Does Your Agent Actually Need? — IBM 研究团队提出 ALTK2026-08-18 · 共同涉及 IBM、ALTK-Evolve、AppWorld
- Your Agent Aced the Task. Will It Do It Again? — IBM 研究指出 agent 单次跑通任务不代表稳定复现，提出用一致性指标衡量可2026-09-15 · 共同涉及 IBM、ReAct、AppWorld
- Model Routing Is Simple. Until It Isn’t. — 模型路由看似简单，实则充满权衡与陷阱，值得每个AI应用开发者警惕。2026-07-15 · 共同涉及 IBM、AppWorld
- [AINews] Lilian Weng summarizes 35 papers on Harness — Lilian Weng 总结 35 篇论文，论证递归自我改进的关键在 harne2026-07-08 · 共同涉及 ACE