Tev-Gym: плотные награды для ИИ-агентов на многосуточных задачах

Проект Tev-Gym представил метод PPRS — плотные пошаговые награды для длительных агентных задач. Модель Tev-27B, обученная только на доменах ALE, догнала GPT-6 Astra и Claude Opus 5 по Pass@5 на ALE-CM и обошла GLM 5.2 и Gemini 3.7 Flash на Terminal-Bench 3.0/4.0.

• Tev-Gym построила 1170 верифицированных сред через латентную модель задачи
• Task-aware чекпоинты сокращают хранение состояний на 90%
• Tev-27B обучена только на ALE-CM и обобщается на Terminal-Bench
• PPRS сохраняет оптимальную политику при плотной и разреженной награде