**Tev：利用密集进度奖励扩展长时程智能体环境**

_Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards_

> HuggingFace 社区热门论文《Tev》提出解决长时程智能体训练数据稀缺与奖励稀疏难题的新方案。研究团队构建了首个包含 1,170 个可验证任务环境的 Tev-Gym 数据集，并引入进度势奖励整形（PPRS）机制，将任务进度转化为密集逐步奖励。基于此训练出的 Tev-27B 模型在 ALE-CM 基准上达到 GPT-6 Astra 和 Claude Opus 5 水平，并在 Terminal-Bench 等中间时程任务中展现出超越 GLM 5.2 和 Gemini 3.7 Flash 的泛化能力。

**来源信息**
- **来源**：HuggingFace Daily Papers（社区热门论文）
- **分类**：论文
- **发布时间**：2026-10-14 08:00（北京时间）
- **原文**：[打开原文](https://huggingface.co/papers/2610.18868)