#Tev-27B

Wenbo Hu氏ら、長期エージェント訓練データセット「Tev-Gym」公開

arXivのWenbo Hu氏らの研究者グループは2026年10月13日(現地時間)、長期的なタスクを自律的に実行するエージェントの訓練効率を改善する訓練データセット「Tev-Gym」と、進行度を密な報酬に変換する手法「progress-potential reward shaping (PPRS)」を発表した。検証可能で密な進行報酬を備えた長期エージェント訓練データセットとしては初めてのものとなる。