Tev 发布长时程 Agent 训练数据集与配方

论文作者发布 Tev-Gym，称其为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。其构建方式是先定义任务领域、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。 作者同时发布 PPRS 训练配方，并据此训练出 Tev-27B 模型。上述“首个”与效果均为论文作者的说法。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。