Qwen 推出 QwenGyre，用于极长时程智能体训练中的弹性 RL

发生了什么

Qwen 推出 QwenGyre，将弹性 RL 引入极长时程（XLong）智能体训练。其弹性调度器可在不中断正在运行的执行任务的情况下，在 rollout 与训练之间重新分配 GPU；轨迹处理器则将分支执行转换为共享前缀的轨迹树，并生成数量有上限且去重的训练样本。QwenGyre 扩展至 Qwen3.8-2.4T-A95B、每次 rollout 约 700K 个 token 后，在 48 步内将 NL2RepoBench 的成绩从 52.5% 提升至 58.5%，并将端到端训练时间缩短约 44%（相较于 Async）。 论文：https://arxiv.org/abs/2609.33848

这件事到目前为止

Qwen推出了QwenGyre，这是一个用于超长周期智能体训练的强化学习系统。Qwen报告称，在48个步骤内，Qwen3.8-2.4T-A95B的NL2RepoBench得分从52.5%升至58.5%，与Async相比，端到端训练时间缩短了约44%。据报告，训练设置中每次rollout使用约700K个token。 QwenGyre的弹性调度器可在rollout生成和训练之间重新分配GPU，而不中断正在运行的任务。其轨迹处理器将分支执行转换为共享公共前缀的轨迹树，从而生成数量有上限且去重后的训练样本。

继续阅读

正在热议

1. 1Meta 开放发布 Muse Spark Open，支持 Mac 和云端部署，位居美国开放权重模型榜首
2. 2Google 在全球推出 Gemini 4 Argon，并扩大付费访问范围，基准测试结果不一
3. 3OpenAI 为 ChatGPT 中的 GPT-6 Astra Pro 带来并行智能体和更快响应
4. 4Meta的新商业条款引发有关网站抓取和 AI 训练权利的争议