QwenGyre 框架出炉:超长程 Agent RL 训练提速至 1.85 倍
aigclink · x · 2026-10-12
arXiv 论文提出 QwenGyre,一个面向超长程(xlong-horizon)agent 的端到端在线强化学习训练框架。这类任务单次执行可长达数小时、包含数百次模型-环境交互、单次 rollout 近 100 万 token,直接套用在线 RL 面临两大难题:执行方差大导致 GPU 大量空转;复杂非线性分支产生海量冗余轨迹。
QwenGyre 的核心设计:
- 在不中断运行中执行的前提下,在 rollout 与训练之间弹性重分配 GPU;
- 轨迹处理器重建分支历史、为部分进展打分、去重冗余路径,控制训练成本。
实验:在旗舰模型 Qwen 3.8 2.4T 上以每 rollout 70 万 token 训练,48 步内将 NL2RepoBench 绝对提升 6.0%(52.5%→58.5%);相比 Colocate 与 Async 方案分别取得最高 1.85× 和 1.78× 加速。
所属事件:Qwen 开源 QwenGyre,长程 Agent 强化学习训练提速 1.85 倍(3 条相关)→
「编程与Agent」频道最新
- YOLO 模式跑 Agent 有多危险？五层防护实战方案来了 — Arindam_1729 · 2026-10-13
- Cloudflare Agents SDK 新增 web_search/web_fetch 工具,一行 npm 即装 — irvinebroque · 2026-10-13
- 45 分钟用 AI 完成 demo 改进、BQ 数据集与生成式 UI — rseroter · 2026-10-13
- 实测 DeepSeek 桌面端:模型有潜力,工具链落后 Cursor 五处 — casper_hansen_ · 2026-10-13
- 前 Cognition/Mercor 员工创 Hone，做能运营企业的长时 agent — nmasc_ · 2026-10-13
- tldraw 详解空间 harness：让编码 agent 看懂 2D 画布 — max__drake · 2026-10-13