Pasukan Qwen Alibaba melancarkan rangka kerja pembelajaran pengukuhan elastik QwenGyre, untuk latihan agen jarak jauh yang sangat panjang

Berita Techub, pasukan Qwen Alibaba telah melancarkan rangka kerja pembelajaran pengukuhan elastik QwenGyre, untuk melatih agen jarak jauh yang sangat panjang yang berjalan selama beberapa jam dan memproses hampir sejuta token. Rangka kerja ini berdasarkan dua reka bentuk teras: penjadualan dinamik GPU yang tidak digunakan antara tugas rollout dan latihan, dan penukaran sejarah agen yang bercabang kepada sampel latihan yang terhad. QwenGyre telah diuji pada Qwen 3.6 122B dan model utama Qwen 3.8 2.4T. Pada skor yang sama, prestasinya lebih pantas daripada skema Async 1.38 hingga 1.78 kali, dan lebih pantas daripada skema Colocate 1.21 hingga 1.85 kali. Pada TerminalBench, ia mencapai pecutan hujung ke hujung sebanyak 1.85 kali berbanding Colocate. (MarkTechPost)