Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards

首先，我们介绍Tev-Gym，首个具备可验证、密集、渐进奖励的长时程智能体训练数据集——1,170个经过验证的任务环境分布在7个领域。其构建基于先验世界先于实际世界的思路，首先构建一个完整的、正确的任务领域、工作流及预期状态的隐藏规范。每个任务随后从该规范渐进地渲染为智能体面对的环境，实现可控的复杂度与自然的进展指标。