先了解这件事
2026年10月12日,Qwen发布QwenGyre,将弹性RL用于超长程(XLong)智能体训练。据官方介绍,该框架包含Elastic Scheduler和Trajectory Processor两项核心设计:前者按需在rollout与训练之间重新分配GPU且不中断执行,相比Colocate最高提速1.85倍、相比Async提速1.78倍;后者把分支执行转为前缀共享的轨迹树,使超时后的部分进展仍可被评分。在Qwen3.8-2.4T-A95B上以每次rollout约700K tokens扩展,48步将NL2RepoBench从52.5%提升到58.5%,端到端训练时间相比Async减少约44%。目前尚无后续发展事实。
AI 根据公开报道生成
最新进展 · 正式报道
阿里千问推出 QwenGyre：面向超长时程智能体的弹性强化学习框架事件进展
1 个已确认进展
- 来源：通义千问 / Qwen
报道与讨论时间线
按时间查看正式报道与传播讨论；两类内容的证据等级保持独立。
10月13日
MarkTechPost
阿里千问推出 QwenGyre：面向超长时程智能体的弹性强化学习框架
阿里千问团队推出 QwenGyre，一个面向超长时程智能体训练的弹性强化学习框架，通过在线 RL 训练编码智能体，单次 rollout 可运行数小时、处理接近 1M token。该框架在 Qwen 3.6 122B 和 Qwen 3.8 2.4T 上测试，2.4T 模型跑完 48 步用时 75.42 小时，快于 Async 的 134.55 小时和 Colocate 的 91.47 小时，NL2RepoBench 通过率从 52.48% 升至 58.54%。其核心机制包括在 rollout 与训练之间迁移空闲 GPU，以及把分支化的智能体历史压缩为有界训练样本，每次执行最多保留 5 条轨迹。
10月12日
通义千问 / Qwen一手精选
Qwen 发布 QwenGyre，为超长程智能体训练引入弹性 RL
Qwen 发布 QwenGyre，将弹性 RL 用于超长程（XLong）智能体训练，包含 Elastic Scheduler 和 Trajectory Processor 两项核心设计。Elastic Scheduler 按需在 rollout 与训练之间重新分配 GPU 且不中断执行，相比 Colocate 最高提速 1.85 倍、相比 Async 提速 1.78 倍；Trajectory Processor 把分支执行转为前缀共享的轨迹树，超时后的部分进展仍可被评分。在 Qwen3.8-2.4T-A95B 上以每次 rollout 约 700K tokens 扩展，48 步将 NL2RepoBench 从 52.5% 提升到 58.5%，端到端训练时间相比 Async 减少约 44%。