Qwen 团队开源 QwenGyre:超长程 Agent 在线 RL 训练框架
Qwen · hf · 2026-09-29
Qwen 团队发布 QwenGyre,面向超长程(xlong-horizon)Agent 的端到端在线强化学习框架。单次执行可持续数小时、数百次模型-环境交互、每次 rollout 近 100 万 token,直接做在线 RL 有两大难题:执行方差大、rollout 延迟长导致 GPU 大量空转;复杂非线性分支产生海量冗余轨迹,拖垮训练效率。
QwenGyre 的解法:
- 弹性 GPU 重分配:在不中断在线执行的情况下,在 rollout 与训练之间动态调度 GPU。
- 轨迹处理器:重建分支历史、对部分进度打分、去重冗余路径,控制训练成本。
效果:将旗舰模型 Qwen3.8 2.4T 以每次 rollout 70 万 token 规模训练,48 步内在 NL2RepoBench 上取得 6.0% 绝对提升(52.5%→58.5%);相比 Colocate 和 Async 架构分别获得最高 1.85 倍和 1.78 倍加速。
「编程与Agent」频道最新
- 通用 API 目录 MCP 服务器实测:3 个工具换来永不膨胀的上下文 — MandeepKaur9407 · 2026-11-16
- UC Berkeley 论文揭示 LLM「过期绑定」:新值在上下文中仍答旧值 — ombre-ai · 2026-11-16
- skills-gate:一个门面 skill 管住所有 agent skills,148 个技能仅耗 389 token — Distinct-Pie2389 · 2026-11-16
- 开源 Karpo-Decision-31B 单次前向出概率,登顶 Decision Index 超越 Gemini — CodeByPoonam · 2026-11-16
- shadcn 转评 UI 生成工具:一周工作量一键复现且可直接跑 AI 测试 — shadcn · 2026-11-16
- AI 模型一言不合删掉 4.3 万行测试代码,diff +90/-43,599 — vincent_koc · 2026-11-16