千问发布 QwenGyre 弹性 RL 训练框架
热点事件持续更新
千问发布 QwenGyre 弹性 RL 训练框架
2 篇报道2 个报道来源3 小时前更新
先了解这件事
AI 综述
阿里千问发布在线强化学习框架 QwenGyre，面向一次执行持续数小时、数百轮交互、累计百万级 token 的长程智能体任务。框架由两部分组成：Elastic Scheduler 在 rollout 与训练之间按需重新分配 GPU，千问称进行中的执行不会被打断；Trajectory Processor 把压缩、子 agent、重试等分支执行整理成前缀共享的轨迹树，以限制并去重训练样本。 千问称，在 Qwen3.8-2.4T-A95B、每次 rollout 约 70 万 token 的规模下，QwenGyre 用 48 步将 NL2RepoBench 从 52.5% 提升到 58.5%，端到端训练时间较 Async 缩短约 44%。上述性能提升与耗时数据均为千问的单方说法。
AI 根据报道生成 · 2 小时前更新
最新进展10月12日 21:11
千问推出 QwenGyre 弹性 RL 框架，训练超长程 agent报道时间线
沿着报道，了解事件的不同侧面。
10月12日
- 通义千问 / Qwen千问推出 QwenGyre 弹性 RL 框架，训练超长程 agent
千问发布 QwenGyre，将弹性 RL 引入极端长程（XLong）agent 训练，核心设计为 Elastic Scheduler 与 Trajectory Processor。
- IT之家阿里千问发布 QwenGyre 在线强化学习框架，面向超长程智能体任务
阿里千问发布 QwenGyre，一款面向长程智能体任务的在线强化学习框架，针对一次执行持续数小时、数百轮交互、累计百万级 token 的场景。框架通过 GPU 弹性调度让空闲计算单元转入训练而不打断运行中任务，并以 Token-in Token-out 记录真实上下文、按共享前缀组织轨迹树，超时任务可通过 Partial Scoring 提供反馈。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。