ithome
科技
汽车
采集 2026-10-12T16:12:40+00:00
阿里千问发布QwenGyre超长程智能体强化学习框架
原始标题: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
来源
ithome
发布时间
2026-10-12T11:20:43
采集批次
2026-10-12-16
字数
664
URL 指纹
7f3592d98c8ca866
📌 AI 总结(270 字)
阿里千问发布面向长程智能体任务的在线强化学习框架QwenGyre。该框架针对智能体执行复杂任务时持续数小时、累计百万级token交互的场景,通过弹性GPU调度将空闲算力动态转入训练,同时保留运行中任务的状态与缓存。QwenGyre采用Token-in Token-out机制和轨迹树结构组织训练样本,并支持部分完成任务的Partial Scoring反馈机制。在NL2RepoBench实验中,每轮约70万token的任务经48步训练后通过率从52.5%升至58.5%,相对Async实现1.78倍加速,并在多类编程任务中均获得端到端提速。
📄 正文(664 字)
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。