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
- 1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
- 2官方 NL2RepoBench 实验 48 步训练后通过率 52.5% 升至 58.5%，同 GPU 预算下较 Async 提速 1.78×
- 3任务每结束一批，空出的 GPU 计算单元即转入训练，运行中任务的进度与缓存原地保留不受打扰
- 4框架以 Token-in Token-out 记录真实上下文组成轨迹树，超时任务经 Partial Scoring 提供训练反馈
QwenGyre 针对的是数小时级智能体任务难以成为有效训练来源的环节，用弹性调度与轨迹处理补上训练基建这一环。
- 影响：对自研智能体模型的企业，官方称同等 GPU 预算下 1.78× 提速直接关联训练成本；数小时级任务从纯算力消耗转为训练素材，长交互数据的复用价值上升。
- 参考：可考虑在自有长任务数据上对比 QwenGyre 与现有 Async 方案的单步耗时与训练分数；值得先盘点内部是否已积累数小时级、多轮交互的智能体运行数据再评估收益。
- 依据：通过率、1.78× 提速与跨任务验证数据均为官方实验口径，暂无独立验证；框架机制描述出自官方介绍，由 IT之家转述。
IT之家 10 月 12 日消息，阿里千问今日正式发布 QwenGyre，这是一款面向长程智能体任务的在线强化学习框架。
据官方介绍，当智能体承担复杂工作，一次执行往往持续数小时，模型与环境之间有数百轮相互依赖的交互，累计处理百万级 token。QwenGyre 通过弹性调度与轨迹处理，让这类超长程任务成为有效的训练来源，同时带来能力与效率提升。
QwenGyre 能够把 GPU 分成若干计算单元，任务每结束一批，空出的单元就转入训练，就像项目组里谁先交差、谁先加入复盘。还在跑的任务完全不受打扰，进度和状态原地保留，连之前算过的缓存都整体搬走，不必重头再来。新空出的单元直接加入本轮训练，谁算得快谁多干，最后由核心单元汇总结果，完成一次参数更新。
IT之家注意到，QwenGyre 可通过 Token-in Token-out 记录每段输出生成时的真实上下文，按共享前缀组织成轨迹树，只把被选中的路径展开为训练样本。同时，超时但部分完成的任务也能通过 Partial Scoring 提供有用反馈，不浪费任何一步努力。
跑分方面，官方在 NL2RepoBench 在线强化学习实验中，以每次 rollout 约 70 万 token 的任务开展训练，48 步训练后模型通过率从 52.5% 提升至 58.5%。相同 GPU 预算下，QwenGyre 相对 Async 实现 1.78× 的端到端加速，训练分数与 Async、Colocate 接近。在 Qwen3.6-122B 上的跨任务验证中，NL2RepoBench、DeepSWE、TerminalBench 三类任务均获得端到端提速。
来源：IT之家·人工智能 · ithome.com