千问发布超长程智能体强化学习框架QwenGyre

千问提出并发布 QwenGyre，一个面向超长程智能体任务的在线强化学习框架，通过弹性调度把空闲 GPU 投入训练，并用 TITO 策略处理轨迹以减少分叉执行的重复计算。 千问称，该框架用于 Qwen3.8-2.4T、每次 rollout 约 70 万 token 的任务时，在相同 GPU 预算下相对 Async 实现 1.78 倍端到端加速；在 122B 模型的 NL2RepoBench 轨迹筛选实验中，最多保留五条轨迹时训练分数和梯度范数接近全量轨迹，平均每步前向与反向计算时间减少 25.2%。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。