北京
阿里千问发布了一个新框架，名字叫 QwenGyre。它要解决的问题很具体：当智能体承担复杂工作时，一次执行可能持续数小时，模型和环境之间要来回交互数百轮，累计处理百万级 token。这种超长程任务，过去很难被当作有效的训练来源。
QwenGyre 的定位是面向长程智能体任务的在线强化学习框架。它通过弹性调度与轨迹处理，让这类任务真正能用来训练，同时带来能力和效率上的提升。
谁先交差，谁先加入复盘
它的调度思路可以这样理解：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。
不浪费任何一步努力
在轨迹处理上，QwenGyre 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。
超时但部分完成的任务，也能通过 Partial Scoring 提供有用反馈。这意味着一次没跑完的任务，不会变成完全无用的数据。
跑分数据
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。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
