Tev 论文提出 Tev-Gym 长程智能体训练数据集与 PPRS 奖励塑形方法

Tev 论文提出 Tev-Gym，这是一个带可验证、密集、渐进奖励的长程智能体训练数据集，包含 7 个领域的 1,170 个已验证任务环境。论文还提出 progress-potential reward shaping（PPRS），将进度指标转为每步密集奖励，用于提升训练效率并训练原本难以处理的任务。