IBM Research 介绍了 ALTK-Evolve，一种面向大语言模型智能体的经验复用方法。其出发点是，智能体在多步骤任务中失败往往不是因为不了解 API，而是因为分页、对象消歧或返回值等操作细节处理不可靠。
按照文章的描述，系统会把智能体过去的执行轨迹转化为可复用的“经验”，并在推理时以可检索的独立指南形式提供给智能体；这一过程不需要更新模型权重或人工标注。IBM 将该方法与 Agentic Context Engineering（ACE）并列，认为两者都试图避免在反复压缩上下文时丢失具体操作细节，但 ACE 将经验汇入一份持续演进的完整手册，ALTK-Evolve 则将其整理为可按需检索的单条指南。
这是一篇研究团队的技术说明，关于方法效果及其与 ACE 的比较，仍应结合完整实验设置与可复现材料判断。