Hugging Face Daily Papers·2026-10-13 08:00· 1 天前AI 评分50

Tev：用密集进度奖励扩展长时程智能体训练环境

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

本站未展示全文，请前往来源网站阅读。

AI 导读

研究团队提出 Tev-Gym，首个带可验证密集渐进奖励的长时程智能体训练数据集，覆盖 7 个领域共 1,170 个已验证任务环境，并配套 progress-potential reward shaping（PPRS）训练方法。