Hugging Face Daily Papers·· 1 天前精选AI 评分62
Tev：用稠密进度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
论文提出 Tev-Gym，首个带可验证稠密渐进奖励的长时程智能体训练数据集，覆盖 7 个领域的 1,170 个已验证任务环境，基于先构建任务领域、工作流与每步预期状态的隐世界规范再逐步渲染为智能体环境。
推荐理由
论文给出长时程智能体的稠密进度奖励数据集与训练配方，可了解其如何把稀疏奖励任务变得可训练。
来源：Hugging Face Daily Papers · huggingface.co