UCLA与Adobe提出长程智能体训练集Tev-Gym及PPRS方法

2026年10月22日，机器之心报道，Adobe Research 与加州大学洛杉矶分校（UCLA）研究团队提出 Tev 方法：先构建带标准答案的潜在世界，再渲染任务，并配套提出进度势能奖励塑形（PPRS），构建了长程智能体训练集 Tev-Gym，含 1,170 个环境、覆盖 7 个领域，报道称其为首个带有可验证、稠密、渐进式奖励的长程智能体训练集。报道称，生成一个新环境的中位成本约为 30 秒 CPU 时间，无需调用任何模型；每条 rollout 最多 65,536 个 token、64 次工具调用，沙盒中只有一个 bash 工具。报道同时指出，目前工作集中在合成的终端环境上，在最难的基准上与顶尖前沿智能体仍有差距，支持新的工作流也需要编写并验证新的环境组件。报道标题称，27B 开源模型在长程智能体任务上追平 GPT-6 Astra 与 Claude Opus 5。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。