阿里千问发布 QwenGyre，面向超长程智能体任务的在线强化学习框架
阿里千问发布在线强化学习框架 QwenGyre，面向可能持续数小时、包含数百轮相互依赖交互的复杂智能体任务。该框架通过弹性调度 GPU 资源，将任务轨迹转化为训练数据，同时不打断仍在运行的任务；部分完成的任务也能提供训练反馈。据官方公布的 NL2RepoBench 实验，训练 48 步后模型通过率从 52.5% 提升至 58.5%。在相同 GPU 预算下，QwenGyre 相比异步实现的端到端速度提升 1.78 倍。官方还称，使用 Qwen3.6-122B 在三类任务上均实现端到端提速。
本文来源：IT之家，仅供学习参考，版权归原作者所有。