Tev：用稠密进度奖励扩展长时程 Agent 环境

长时程 agent 需自主工作数小时至数天，但开源模型受限于训练数据与可复现配方不足，且长任务难以筛选验证、奖励稀疏。作者提出 Tev-Gym，称其为首个具备可验证、稠密、渐进奖励的长时程 agent 训练数据集，覆盖 7 个领域共 1,170 个已验证任务环境。其构建采用 latent-world-first 方法：先构造任务域、工作流及每步期望状态的完整隐藏规范，再据此逐步渲染出面向 agent 的环境，从而可控地调节复杂度并产生自然进度信号。

AI推荐理由 针对长时程 agent 训练数据与奖励稀疏两大瓶颈，提出 Tev-Gym：首个带可验证、稠密、渐进奖励的长时程 agent 训练数据集，含 7 个领域 1,170 个已验证任务环境，采用 latent-world-first 方法先构建任务域、工作流与每步期望状态的隐藏规范，再逐步渲染为 agent 环境。对长时程 agent 训练有实际价值，但摘要未给出模型训练后的效果数据。