Today for AI
返回热点榜
agent热度 11.2°

AI 聚簇研判事件 · 2026/10/12

阿里千问发布 QwenGyre：面向超长程智能体任务的在线强化学习框架，实现 1.78× 端到端加速

1 篇报道存证1 家独立信源交叉印证持续跟踪至 2026/10/12 19:20:43
全景综述与最新动态
1 家信源交叉印证

阿里千问推出 QwenGyre 在线强化学习框架，专门解决智能体在数小时、百万级 token 交互中的训练效率瓶颈。该框架通过弹性 GPU 调度与轨迹树处理机制，在不中断推理任务的前提下动态分配算力进行训练，并在 NL2RepoBench 等基准测试中实现了相比异步方案 1.78 倍的端到端加速，显著提升了模型在复杂长程任务中的通过率。

最新动向/阿里千问推出 QwenGyre 在线强化学习框架，专门解决智能体在数小时、百万级 token 交互中的训练效率瓶颈。该框架通过弹性 GPU 调度与轨迹树处理机制，在不中断推理任务的前提下动态分配算力进行训练，并在 NL2RepoBench 等基准测试中实现了相比异步方案 1.78 倍的端到端加速，显著提升了模型在复杂长程任务中的通过率。

热度曲线逐小时热度走势

3 个完整观测小时
当前
11.2
峰值
11.820:00
近 24h 变化
–

曲线只比较全程持续完整观测的同一批信源；缺口小时数据已插值平滑，保持趋势连续。

TIMELINE报道时间线

共 1 篇 · 最新优先
  1. IT之家 · 智能时代T2·78 分

    阿里千问发布 QwenGyre：面向超长程智能体任务的在线强化学习框架，实现 1.78× 端到端加速

    原标题：阿里千问发布 QwenGyre，面向超长程智能体任务的在线强化学习框架

    • QwenGyre 采用弹性调度机制，将空闲 GPU 单元即时转入训练，保留运行中任务的缓存状态，避免重复计算。
    • 通过 Token-in Token-out 记录真实上下文并构建轨迹树，仅展开被选路径作为训练样本，极大提升数据利用率。
    • 引入 Partial Scoring 机制，使超时但未完全成功的任务也能提供有效反馈，减少算力浪费。
    • 实测显示在相同 GPU 预算下，相比 Async 方案实现 1.78× 端到端加速，且在 Qwen3.6-122B 上跨任务验证有效。