El equipo de investigación ha presentado Tev, un marco de entrenamiento para agentes de inteligencia artificial de horizonte largo, diseñado para superar las limitaciones actuales de los modelos de código abierto en tareas complejas que requieren autonomía durante horas o días. El sistema aborda la escasez de datos y la dificultad de verificación mediante Tev-Gym, el primer conjunto de datos de entrenamiento para agentes que incluye 1.170 entornos de tareas verificables y recompensas densas y progresivas. A diferencia de los enfoques tradicionales, Tev-Gym utiliza un enfoque 'latent-world-first', construyendo primero una especificación oculta completa del dominio de la tarea y renderizando progresivamente el entorno para el agente, lo que permite un control preciso de la complejidad y una métrica natural de progreso.
Para convertir esta métrica en una receta de entrenamiento viable, los autores aplican el 'progress-potential reward shaping' (PPRS), que transforma el progreso en una recompensa densa por paso, mejorando la eficiencia del entrenamiento y haciendo factibles tareas que antes eran intratables. El resultado es Tev-27B, un modelo que logra un rendimiento comparable a GPT-6 Astra y Claude Opus 5 en el dominio de ciencias de la computación y matemáticas (ALE-CM) con un Pass@5 de 1.0. Además, el modelo demuestra una fuerte generalización, superando a GLM 5.2 y Gemini 3.7 Flash en los conjuntos de prueba Terminal-Bench 3.0 y 4.0, y alcanzando un nivel de rendimiento similar a Claude Opus 4.8 en tareas de horizonte medio.