推出 QwenGyre,将弹性强化学习(Elastic RL)引入超长视界(extreme-long-horizon, XLong)智能体训练。
该方案带来了两项核心设计:
-
弹性调度器(Elastic Scheduler):根据需求动态在采样(Rollout)与训练之间重新分配 GPU——正在运行的任务绝不中断。相比 Colocate 方案提速高达 1.85 倍,相比异步(Async)方案提速达 1.78 倍。
-
轨迹处理器(Trajectory Processor):将分支执行过程(压缩、子智能体、重试)转化为前缀共享的轨迹树,生成有界且去重的训练样本。超时后的部分进展仍可获得评分。
在扩展至单次采样约 700K tokens 的 Qwen3.8-2.4T-A95B 规模时,QwenGyre 仅用 48 步就将 NL2RepoBench 基准的成绩从 52.5% 提升至 58.5%,相比 Async 方案将端到端训练时间缩短了约 44%。
🔗 论文地址:
arxiv.org/abs/2609.33848
热门讨论
DAlmighty (⬆58):这帮人简直太强了。 Mysterious_Finish543 (⬆38):……在训练步数 1–42 期间使用 Qwen 3.6 122B 评测 NL2RepoBench……我们在……上使用 Qwen 3.6 122B 评估了 QWENGYRE。 Dany0 (⬆26):现在我们也能在家里训练智能体巨兽了,只要能把算力拼在一起就行 GalacticDistances (⬆30):好主意,我私信你个地址,把你的硬件寄过来吧 rahulkadukar (⬆7):这是我的地址:127.0.0.1,如果要 IPv6 的话就是 ::1 OttoRenner (⬆10):太巧了,我们居然住在同一间屋子里! gnoremepls (⬆10):就这么干,顺便再顺手证几个随机数学题。 lolwutdo (⬆7):祈祷这周能发 Qwen 4