阿里巴巴 Qwen 团队推出弹性强化学习框架 QwenGyre，用于超长程智能体训练

Techub News 消息，阿里巴巴 Qwen 团队推出弹性强化学习框架 QwenGyre，用于训练运行数小时、处理近百万 token 的超长程智能体。该框架基于两项核心设计：在 rollout 与训练任务间动态调度闲置 GPU，并将分支化的智能体历史转换为有界的训练样本。 QwenGyre 已在 Qwen 3.6 122B 和旗舰模型 Qwen 3.8 2.4T 上进行测试。在同等分数下，其性能比 Async 方案快 1.38 至 1.78 倍，比 Colocate 方案快 1.21 至 1.85 倍。在 TerminalBench 上，相比 Colocate 实现了 1.85 倍的端到端加速。（MarkTechPost）