Qwen 发布了 QwenGyre——一个用于训练 AI 智能体处理超长复杂任务的强化学习框架

QwenGyre 正式亮相，将弹性强化学习（RL）引入超长时程（XLong）智能体训练。它推出了两项核心设计：- 弹性调度器：随需求变化，在 rollout 与训练之间重新分配 GPU——正在进行的执行绝不中断。相较 Colocate，最高提速 1.85 倍；相较 Async，最高提速 1.78 倍。- 轨迹处理器：将分支执行（上下文压缩、子智能体、重试）转换为共享前缀的轨迹树，并生成规模受限、去重后的训练样本。超时前取得的部分进展仍会得到评分。在扩展至 Qwen3.8-2.4T-A95B、每次 rollout 约 70 万 token 的规模后，QwenGyre 在 48 步内将 NL2RepoBench 得分从 52.5% 提升至 58.5%，相较 Async 将端到端训练时间缩短约 44%。🔗 阅读论文：arxiv.org/abs/2609.33848