Tev：以密集进度奖励扩展长时程智能体
Tev-Gym 提供涵盖七个领域的 1,170 个经过验证的任务环境，并为长时程智能体训练引入逐步进度奖励。Progress-Potential Reward Shaping（PPRS）将任务进度转化为每一步的密集奖励。作者称，使用该方法训练的 Tev-27B 在 Agents’ Last Exam 的计算机科学与数学领域中，Pass@5 表现可与 GPT-6 Astra 和 Claude Opus 5 相当，并能泛化到部分 Terminal-Bench 版本。这些是作者报告的基准测试结果，尚未经过独立验证。
本文来源：Hugging Face，仅供学习参考，版权归原作者所有。