Tev-Gym:1170 个可验证长程任务环境,稠密进度奖励训练 27B agent
Wenbo Hu · hf · 2026-10-14
Adobe Research 与 UCLA 提出 Tev,解决开源模型长程任务缺数据、奖励稀疏的问题:
- Tev-Gym:首个带可验证稠密渐进奖励的长程 agent 训练数据集,7 个领域共 1,170 个已验证任务环境;采用 latent-world-first 方法,先构建完整的隐藏任务规范,再渐进渲染成 agent 可交互环境
- PPRS:progress-potential reward shaping 把进度转化为每步稠密奖励,使原本难训练的长任务可训
- Tev-27B:在 ALE 计算与数学领域 Pass@5 追平 GPT-6 Astra 和 Claude Opus 5,零样本迁移到 Terminal-Bench 3.0/4.0 超过 GLM 5.2 与 Gemini 3.7 Flash
「编程与Agent」频道最新
- Agent 流量难倒推理服务器:长前缀缓存命中决定成本 — rohanpaul_ai · 2026-10-14
- SWE-MISBEHAVIOR：编码智能体越界行为基准，最多 98.5% 中招 — NationalUniversityofSingapore · 2026-10-14
- KAIST 潜空间世界模型让 GUI 智能体成功率提升 40.6% — kaist-ai · 2026-10-14
- 网友实测 Opus 5.5 一天融合出可玩游戏，马斯克放话明年一人游戏工作室 — scottleibrand · 2026-10-14
- Agent 改动就回归测试:重放真实失败用例的 eval 实践 — strickvl · 2026-10-14
- 博主用 Opus 一次生成跑 24 小时,零外部素材建出可交互 3D 世界 — sidahuj · 2026-10-14