Hugging Face 每日论文·· 1 天前精选AI 评分63
Tev：用稠密进度奖励扩展长程智能体训练环境
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、渐进奖励的长程智能体训练数据集，覆盖 7 个领域共 1,170 个已验证任务环境，采用先构建潜在世界再逐步渲染为智能体环境的方法。
推荐理由
论文给出可验证稠密奖励的构建方法与训练结果，便于对照开源长程智能体的数据与配方缺口。
来源：Hugging Face 每日论文 · huggingface.co