阿里千问发布 QwenGyre 智能体在线强化学习框架
AI 总结
阿里千问于 10 月 12 日发布 QwenGyre，一款面向长程智能体任务的在线强化学习框架。官方称，当智能体一次执行持续数小时、与环境进行数百轮相互依赖的交互并累计处理百万级 token 时，QwenGyre 通过弹性调度把 GPU 划分为若干计算单元，任务分批结束后空出的单元转入训练，运行中的任务进度与缓存原地保留；同时以 Token-in Token-out 记录每段输出的真实上下文，按共享前缀组织轨迹树，只把选中路径展开为训练样本，超时但部分完成的任务则通过 Partial Scoring 提供反馈。官方公布的 NL2RepoBench 在线强化学习实验中，每次 rollout 约 70 万 token，48 步训练后模型通过率从 52.5% 提升至 58.5%，相同 GPU 预算下相对 Async 实现 1.78× 端到端加速，并在 Qwen3.6-122B 上的 NL2RepoBench、DeepSWE、TerminalBench 三类任务均获得端到端提速。
深度见解
超长程智能体训练的主要瓶颈是环境交互的算力与调度成本，若这类调度与轨迹复用方案的效果可复现，将降低训练长任务智能体的门槛。