Tev论文：Tev-Gym环境与PPRS密集奖励训练Tev-27B

Wenbo Hu 等作者在 arXiv 发布论文，提出 Tev-Gym 数据集（覆盖 7 个领域的 1,170 个可验证长程任务环境），并用进展势能奖励塑形（PPRS）将任务进展转化为逐步密集奖励，用于长程智能体训练。 按该配方训练得到 Tev-27B 模型，作者称其在 Agents' Last Exam 的计算与数学科学领域（ALE-CM）取得大幅提升，在 Pass@5 下与 GPT-6 Astra 和 Claude Opus 5 相当；且仅用 ALE 相关数据训练，仍能泛化到 Terminal-Bench（TB）3.0 和 4.0 子集。

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。