一篇 arXiv 论文提出 Tev-Gym，称其为首个带有可验证、稠密、渐进奖励的长时程智能体训练数据集，覆盖 7 个领域共 1,170 个已验证任务环境。作者采用“潜世界优先”的方法，先构建任务领域、工作流与每步预期状态的隐藏完整规格，再把任务逐步渲染为面向智能体的环境；并通过 progress-potential reward shaping（PPRS）把进度转成每步稠密奖励，从而训练出 Tev-27B。论文称该模型在 Agents' Last Exam 计算与数学科学领域（ALE-CM）的 Pass@5 上追平 GPT-6 Astra 和 Claude Opus 5，虽仅用 ALE 相关数据训练，却能泛化到 Terminal-Bench 3.0 与 4.0 子集，超过 GLM 5.2 和 Gemini 3.7 Flash，并在 TB 2.1 等中等时程任务上达到 Claude Opus 4.8 水平。