通义千问发布 QwenGyre 弹性强化学习框架

阿里巴巴团队于 2026-09-27 在 arXiv 提交 QwenGyre 论文，提出面向极长时程智能体强化学习的弹性训练框架，关注点在于同时处理 GPU 资源闲置和分支轨迹冗余两个工程问题。

• 论文介绍的 Elastic Scheduler 会根据 rollout 与训练需求动态调整 GPU 分配，并保持正在执行的任务继续运行。
• Trajectory Processor 将压缩、子智能体和重试产生的分支组织为共享前缀的轨迹树，并对部分进度进行评分。
• 在 Qwen 3.8 2.4T、约 70 万 token rollout 的实验中，NL2RepoBench 得分由 52.5% 提升至 58.5%。
• 论文报告相对 Colocate 和 Async 的最高端到端加速比分别为 1.85 倍和 1.78 倍，实验范围仍限于论文所列配置。
• 影响/看点：该框架可能提高长时程智能体强化学习的 GPU 利用率和训练样本效率，但能否迁移到其他模型、任务与集群拓扑，取决于轨迹评估质量、调度开销及论文外的复现实验。
• 资料依据:
• arXiv（2026-09-27）：QwenGyre: An Elastic Reinforcement Learning Framework for Training xLong-Horizon Agents https://arxiv.org/abs/2609.33848
• arXiv（2026-09-27）：QwenGyre 论文 HTML 全文 https://arxiv.org/html/2609.33848

本内容由 AI 生成，仅供参考，请注意甄别