#奖励塑形

Tev：用稠密进度奖励破解长周期智能体训练难题

Tev 提出 Tev-Gym 长周期智能体训练数据集与 PPRS 稠密进度奖励方法，训练出 Tev-27B，在 ALE-CM 上追平 GPT-6 Astra 与 Claude Opus 5，并泛化至 Terminal-Bench。