阿里千问发布QwenGyre长程智能体训练框架

IT时代网10月12日消息，

阿里千问正式发布QwenGyre，一款面向长程智能体任务的在线强化学习框架。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，模型与环境之间产生数百轮相互依赖的交互，累计处理百万级token，QwenGyre让这类超长程任务成为有效的训练来源。

调度层面，QwenGyre把GPU分成若干计算单元，任务每结束一批，空出的单元立即转入训练；仍在运行的任务不受打扰，进度与状态原地保留，已算过的缓存整体迁移，新空出的单元直接加入本轮训练，由核心单元汇总结果完成参数更新。

轨迹处理上，框架通过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提供反馈，不浪费任何一步计算。

跑分方面，在NL2RepoBench在线强化学习实验中，以每次rollout约70万token的任务训练48步，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倍端到端加速，训练分数与Async、Colocate方案接近。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。

注：本文综合自IT之家等，文中包含AI辅助创作的内容。

编辑：林一舟