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

AI 总结
• 阿里千问于10月12日正式发布面向超长程智能体任务的在线强化学习框架QwenGyre
• QwenGyre采用弹性调度机制，将GPU划分为多个计算单元，实现任务与训练并行，已生成任务状态和缓存可无损迁移，未完成任务不受干扰
• 该框架通过Token-in Token-out记录真实上下文并按共享前缀组织成轨迹树，仅展开选中路径作为训练样本，同时利用Partial Scoring为部分完成的任务提供反馈
• 在NL2RepoBench实验中，模型以每次约70万token的任务进行训练，48步后通过率由52.5%提升至58.5%，相同GPU预算下相对Async实现1.78倍端到端加速
• 跨任务验证显示，在Qwen3.6-122B模型上，QwenGyre在NL2RepoBench、DeepSWE、TerminalBench三类任务中均获得端到端提速

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。


【超长程任务训练新方案】
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。


【Token-in Token-out 与 Partial Scoring】
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。


【性能表现】
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。



[来源链接] https://www.ithome.com/1/012/066.htm