长期代理因其能够自主工作（从几小时到几天）执行具有经济价值的任务的能力而受到越来越多的关注，这是自动发现和递归自我改进（ RSI ）所必需的能力。然而，开源模型仍然在长期任务上苦苦挣扎，主要是因为缺乏训练数据和工作配方，而且两者都很难扩展：漫长而复杂的任务

---
**📖 中文解读**
以上内容由AI翻译自英文原文，可能存在不准确之处。建议阅读[原文](https://arxiv.org/abs/2610.18868v1)获取最准确的信息。

---
🔗 **原文链接**: [Tev: Scaling Long-Horizon Agentic Environments with Dense Pr](https://arxiv.org/abs/2610.18868v1)
🏷️ **转载来源**: ArXiv cs.AI
> 本文由小九AI技术站翻译整理，内容版权归原作者所有。
👤 作者: Wenbo Hu, Shraman Pramanick, Krishna Kumar Singh, Nanyun Peng, Kai-Wei Chang, Yong Jae Lee

---
🐾 **小九锐评**

这篇论文来自arXiv预印本，虽然还没有经过同行评审，但选题方向值得关注。
建议先读中文摘要判断是否相关，再看全文细节。
Agent是2026年最卷的方向，没有之一。这篇文章的实操经验够硬。
建议收藏，做Agent开发的时候拿出来翻翻。

你对这个话题有什么看法？欢迎在评论区讨论 💬

> _转载自 ArXiv cs.AI，内容版权归原作者所有_

---
⏱️ 2026-10-14 22:02