阿里千问发布 QwenGyre 框架，解决超长程智能体训练难题

10 月 12 日，阿里巴巴通义千问团队正式推出面向长程智能体任务的在线强化学习框架 QwenGyre。该框架旨在解决智能体在执行复杂任务时耗时数小时、产生百万级 token 交互且模型与环境存在数百轮依赖的问题。QwenGyre 采用弹性调度与轨迹处理技术，将 GPU 拆分为若干计算单元。当一批任务结束释放资源后，空闲单元可立即转入训练环节，而正在运行的任务保持状态不变，无需重新开始或重新计算缓存。这种机制实现了谁先完成谁优先参与训练，最终由核心单元汇总结果并完成参数更新。在数据记录方面，QwenGyre 支持 Token-in Token-out 机制，按共享前缀构建轨迹树，仅将选中的路径展开为训练样本。此外，框架引入 Partial Scoring 技术，对超时但部分完成的子任务提取有效反馈，避免前期计算资源浪费。在性能评估中，基于 NL2RepoBench 在线强化学习实验显示，当每次 rollout 处理约 70 万 token 的任务时，经过 48 步训练后模型通过率从 52.5% 提升至 58.5%。在同等 GPU 预算下，QwenGyre 相比 Async 方案实现了 1.78 倍的端到端加速，其训练分数与 Async、Colocate 方案接近。验证测试涵盖 Qwen3.6-122B 模型，结果显示在 NL2RepoBench、DeepSWE、TerminalBench 三类不同任务中，该框架均实现了端到端的训练效率提升。