Tev: Scaling Long-Horizon Agentic Environments with Dense Progress Rewards
Aggiunta all'archivio di AIChronos il (numero del 14 ottobre 2026 ricostruito)· fonte del · Wenbo Hu, Shraman Pramanick, Krishna Kumar Singh, Nanyun Peng, Kai-Wei Chang, Yong Jae Lee
Il paper introduce Tev-Gym, il primo dataset per agenti a lungo termine basato su un approccio 'latent-world-first' che genera ambienti verificabili con ricompense dense e progressive. Attraverso la tecnica di progress-potential reward shaping (PPRS), questo framework trasforma metriche di progresso in segnali di addestramento densi, migliorando l'efficienza rispetto ai dati sparsi tradizionali. Il modello risultante, Tev-27B, raggiunge prestazioni paragonabili a GPT-6 Astra e Claude Opus 5 nei domini ALE-CM generalizzando anche su benchmark come Terminal-Bench.
- Introduzione di Tev-Gym con 1.170 ambienti verificati in 7 domini costruiti tramite specifiche latenti complete del task domain e workflow.
- Utilizzo dell'approccio latent-world-first per renderizzare progressivamente i task, permettendo un controllo sulla complessità e una metrica di progresso naturale.
- Implementazione della Progress-Potential Reward Shaping (PPRS) per convertire il progresso in ricompense dense step-by-step, rendendo altrimenti intrattabili i tasks trainabili.
- Tev-27B supera GLM 5.2 e Gemini 3.7 Flash su Terminal-Bench 3.0/4.0 raggiungendo le performance di Claude Opus 4.8 sui middle-horizon tasks come TB 2.1.
- Generalizzazione efficace ottenuta addestrando esclusivamente su dati correlati a ALE (Agents' Last Exam) applicata anche ai subset Terminal-Bench.
Perché conta. Per gli sviluppatori di agenti e AI locale, questo approccio risolve il collo di bottiglia dei reward sparsi nei long-horizon tasks, fornendo un recipe riproducibile per addestrare modelli autonomi complessi senza dipendere da dati curati manualmente.
Vai alla fonte originale ↗ arXiv ↗
Scheda generata automaticamente da un modello AI locale a partire dalla fonte originale: può contenere imprecisioni.