Hugging Face · 每日论文·2026-10-13 04:00· 2 天前精选AI 评分55

Tev：通过密集进展奖励扩展长时程智能体环境

Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards

AI 导读

Tev 提出 Tev-Gym 数据集，包含 1,170 个可验证的长时程任务环境，覆盖 7 个领域，采用潜世界优先构建方法生成可控复杂度的环境。通过进展潜力奖励塑形（PPRS）将进展转化为密集步进奖励，提升训练效率。

推荐理由

原文提出了可验证的密集奖励机制和训练数据集，为长时程智能体训练提供了可复用的框架和基准。