IBM 对比 ALTK-Evolve 与 ACE：同样的智能体经验，不同的投喂方式决定 token 成本

ALTK-Evolve 与 ACE：记忆构建方式相同，投喂方式不同

IBM Research 于 2026 年 8 月 11 日发布文章，比较 ALTK-Evolve 与 ACE（Agentic Context Engineering）两种智能体记忆方案。两者都无需更新权重、无需人工标注，只是把智能体过往轨迹转成可复用的经验，推理时再反馈给模型。作者把单条经验称为 lesson。

共同点：不压缩经验

ACE 指出两种失败模式：简洁偏置（优化趋向短而泛化的指令）与上下文坍缩（每步重写整个上下文导致细节丢失），因此保留逐条 playbook，并为每条打上有益与有害计数。ALTK-Evolve 从另一方向得出同一结论：每条指南保留支持计数，即由多少独立 episode 产生，不把存储汇总成少量规则。

差异：构建与投喂

• 构建：ACE 通过 Generator、Reflector、Curator 循环增长单一 playbook，做增量更新并按嵌入去重。ALTK-Evolve 对近似 lesson 聚类并在簇内合并，合并后保留合计支持计数；同时抽取策略、恢复、优化三类带类型的指南，附因果归因与来源轨迹，粒度到子任务，便于跨应用迁移。
• 投喂：ACE 每步注入完整 playbook，与模型和任务无关。ALTK-Evolve 把投喂当作可调参数：固定一小批高支持指南作核心，再按任务选少量指南（余弦相似度或 LLM 引导、按优先级加权），或在模型有余力时用完整集合。作者强调 token 差异主要来自这里。

实测（AppWorld test_normal，168 任务）

同一 ReAct 代码智能体，两者只差提示模板；记忆仅从 train/dev 挖掘；单次运行 pass@1。作者自行在同批基座上复跑 ACE。

| 模型 | 系统 | TGC / SGC | Tokens/task | |---|---|---|---| | DeepSeek-V3.2 | ACE | 80.4 / 73.2 | 634K | | DeepSeek-V3.2 | ALTK-Evolve | 89.3 / 80.4 | 263K | | gpt-oss-120b | ACE | 54.8 / 35.7 | 777K | | gpt-oss-120b | ALTK-Evolve | 56.0 / 37.5 | 116K |

作者称在强模型上以约 40% 的推理成本取得更好指标；在弱模型上 56.0 对 54.8 视为准确率持平，成本约为 ACE 的七分之一。按难度看，gpt-oss-120b 上 ACE 在 Easy/Medium 领先，ALTK-Evolve 在 Hard 领先并决定总体；DeepSeek-V3.2 上情况相反。作者说明 ACE 原论文用的基座是 DeepSeek-V3.1，故自行复跑以保证模型与 harness 一致；两者无记忆基线因模板不同而有差异（72.0 与 79.8 TGC），比较不依赖该差距。

两模型各用其最佳配置：强模型用完整集合，弱模型用选择性检索。注入量随能力如何缩放，作者称另文讨论。