arXiv论文提出Tev训练框架：以稠密进度奖励解决长周期智能体训练瓶颈

Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards 针对开源大模型在长周期自主任务上因奖励稀疏导致训练困难的现状，来自arXiv的预印本论文提出了Tev智能体训练框架。研究团队构建了跨7个领域、包含1170个可验证任务的数据集Tev-Gym，并设计了进度势能奖励塑造（PPRS）方法将任务进展转化为单步稠密奖励，训练出的Tev-27B模型在长程任务基准上取得了显著收益并展现出较强的跨环境泛化性。