AI最前沿 88Z.ai 10 月 13 日消息，阿里推出QwenGyre，专为超长程智能体任务设计的在线强化学习框架。该框架通过弹性调度减少GPU空转，并控制轨迹处理以降低分叉训练成本。在Qwen3.8-2.4T模型上测试显示，其在单次约70万token任务的训练中显著提升了NL2RepoBench通过率，并在相同GPU预算下实现了比Async更快的加速和更少的训练时间节省，且在122B模型跨任务验证中表现有效。
消息要点
- QwenGyre通过弹性调度和轨迹处理优化超长程任务训练效率
- 在相同GPU预算下较Async加速1.78倍并节省44%训练时间
要点
阿里巴巴正式推出QwenGyre，这是一个面向超长程智能体任务的在线强化学习框架。该框架旨在解决长序列训练中的效率瓶颈，通过弹性调度机制有效减少GPU空转现象，同时利用轨迹处理技术控制分叉训练带来的高昂成本。 在实际应用中，QwenGyre被用于Qwen3.8-2.4T模型的训练。在单次rollout约为70万token的任务中，经过48步训练，NL2RepoBench的通过率从52.5%提升至58.5%。与Async方法相比，在相同的GPU预算下，QwenGyre实现了1.78倍的加速，并节省了约44%的训练时间。此外，该框架的有效性已在122B模型的跨任务验证中得到证实。
资料来源与整理说明
本文由 AI最前沿通过 AI 辅助整理公开资料。产品能力与开放范围按发布方说明转述，未将其视为本站实测或独家采访结论。
- 千问大模型原始资料发布于
以上日期为原始资料发布日期；标题下方日期为本文在 AI最前沿的发布时间。