Alibaba_Qwen· @Alibaba_Qwen · X·· 3 小时前AI 评分
通义千问发布 QwenGyre：面向超长程智能体训练的弹性 RL 框架
通义千问发布 QwenGyre，将弹性 RL 引入超长程（XLong）智能体训练，首发两项核心设计：Elastic Scheduler 在 rollout 与训练之间动态重新分配 GPU 且不中断在线执行。
推出 QwenGyre，将弹性 RL 引入超长时程（XLong）智能体训练。✨
它包含两项核心设计：🥳
- 弹性调度器：随着需求变化在 rollout 与训练之间动态重新分配 GPU——正在执行的任务永不中断。相比 Colocate 最高提速 1.85×，相比 Async 提速 1.78×。
- 轨迹处理器：将分支执行（压缩、子智能体、重试）转化为前缀共享的轨迹树，生成有界且去重的训练样本。超时后的部分进度仍会被评分。
在 Qwen3.8-2.4T-A95B 上扩展至每次 rollout 约 700K tokens，QwenGyre 在 48 步内将 NL2RepoBench 从 52.5% 提升至 58.5%，端到端训练时间相比 Async 缩短约 44%。
🔗 阅读论文：
arxiv.org/abs/2609.33848
来源：Alibaba_Qwen · x.com