📖 AI 总结

阿里巴巴Qwen团队推出QwenGyre，一个面向超长周期智能体训练的弹性强化学习框架。该框架并非新模型，而是在Qwen 3.6 122B和Qwen 3.8 2.4T等旗舰模型上验证的训练系统，单次rollout可处理约70万token、持续数小时。其核心思路有二：一是在rollout与训练之间动态调配闲置GPU，二是将分支化的智能体历史压缩为有界训练样本，避免共享前缀被重复展开导致成本膨胀。性能上，QwenGyre相比异步方案提速1.38至1.78倍，相比共置方案提速1.21至1.85倍，在TerminalBench上端到端加速最高达1.85倍；NL2RepoBench得分在48步内从52.5%提升至58.5%。该工作针对长尾rollout与分支轨迹两大瓶颈，为超长周期智能体训练提供了可扩展的工程路径，但论文未公开代码。