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

阿里千问据条目引述发布 QwenGyre，用于长程智能体任务的在线强化学习，关注价值在于其试图处理数小时、多轮交互和百万级 token 带来的训练调度难题。

• 条目称，该框架可将 GPU 划分为多个计算单元，让已完成任务的单元提前进入训练，未完成任务继续运行。
• 其轨迹处理方式记录真实上下文，并按共享前缀组织为轨迹树，以减少重复展开训练样本的开销。
• 对超时但部分完成的任务，框架通过 Partial Scoring 保留阶段性反馈，适用于结果难以一次完成的智能体任务。
• 条目引用的实验称，在 NL2RepoBench 上，模型通过率由 52.5% 提升至 58.5%，相同 GPU 预算下相对 Async 实现达到 1.78 倍端到端加速；这些结果仍属于发布方所述的特定实验条件。
• 影响/看点：如果相关调度和评分机制能在不同模型、任务和硬件环境中复现，可能降低长程智能体强化学习的资源浪费；实际价值取决于开源实现、实验细节和跨任务验证结果。
• 资料依据:
• IT之家（2026-10-12）：https://www.ithome.com/1/012/066.htm
• QwenLM（2025-04-29）：https://github.com/QwenLM/Qwen3

本内容由 AI 生成，仅供参考，请注意甄别