Qwen 官方发布了关于 QwenGyre 的介绍。

狗六子

Qwen 官方发布了关于 QwenGyre 的介绍。


这是一个针对极长时程（XLong-horizon）智能体强化学习训练的框架，核心是带来“弹性强化学习”（elastic RL）。

两大核心设计：
1.Elastic Scheduler（弹性调度器）
根据需求动态在 rollout 与 training 之间重新分配 GPU，且不会中断正在进行的执行。相比 Colocate 最高可提速 1.85×，相比 Async 最高可提速 1.78×。

2.Trajectory Processor（轨迹处理器）
将分支执行（压缩、子智能体、重试等）转化为前缀共享的轨迹树，并生成有界、去重的训练样本。即使超时后的部分进度也会被评分。

实际效果：
在 Qwen3.8-2.4T-A95B 模型上，单次 rollout 约 70 万 tokens。
使用 QwenGyre 后，在 NL2RepoBench 基准上仅用 48 步就把成绩从 52.5% 提升到 58.5%，同时端到端训练时间相比 Async 方式缩短约 44%。