阿里千问发布面向超长程智能体任务的在线强化学习框架QwenGyre

阿里千问发布在线强化学习框架QwenGyre，用于训练一次持续数小时、包含数百轮交互和累计百万级token的长程智能体任务。官方在NL2RepoBench实验中以每次rollout约70万token开展训练，48步后模型通过率从52.5%升至58.5%；相同GPU预算下，QwenGyre相对Async实现1.78×端到端加速。