阿里千问QwenGyre发布：面向长时序智能体任务的端到端在线RL框架

时间：2026-10-14来源：互联网作者：dingding

阿里千问正式发布面向长程智能体任务的在线强化学习框架QwenGyre。针对复杂工作场景下智能体数小时连续执行、数百轮环境交互、累计处理百万级Token的训练难题，该框架通过弹性调度与轨迹处理能力，将超长程任务转化为有效训练来源，同步实现智能体能力与训练效率的双重提升。

QwenGyre可将GPU划分为多个独立计算单元，采用“任务完成一批、空出单元即刻转入训练”的流水式调度逻辑：未结束的长程任务全程不受干扰，原有执行进度、状态与计算缓存完整保留无需重跑；新释放的计算单元直接接入当前训练流程，算力资源按需动态分配，最终由核心单元汇总完成参数更新，实现长程智能体任务执行与强化学习训练的高效并行。

QwenGyre通过Token-in Token-out机制完整记录每段模型输出生成时的真实上下文，按共享前缀将交互轨迹组织为轨迹树，仅将目标选中的有效路径展开为训练样本。同时，框架支持通过Partial Scoring对超时但已完成部分执行的任务生成有效反馈，避免长程智能体执行过程中产生的中间交互数据被浪费。

在跑分方面，阿里千问官方在NL2RepoBench在线强化学习实验中，以单轮约70万token的长程任务开展训练，48步训练后模型通过率从52.5%提升至58.5%。同等GPU预算下，QwenGyre较Async实现1.78倍端到端加速，训练效果与Async、Colocate方案持平；在Qwen3.6-122B上的跨任务验证中，NL2RepoBench、DeepSWE、TerminalBench三类长程智能体任务均实现端到端提速。

相关文章 更多>>

热门推荐