El equipo Qwen de Alibaba anunció este lunes, 12 de octubre de 2026, QwenGyre, un framework de aprendizaje por refuerzo (RL) online elástico diseñado específicamente para entrenar agentes de inteligencia artificial en tareas de horizonte ultra-largo (XLong-Horizon).
¿Qué es QwenGyre?
Los agentes de IA modernos, especialmente en ingeniería de software, a menudo ejecutan tareas que duran horas, involucrando cientos de interacciones entre el modelo y el entorno, procesando cientos de miles a millones de tokens. QwenGyre resuelve dos problemas principales: la ociosidad de GPUs debido a tiempos de ejecución variables y la redundancia en trayectorias complejas con ramificaciones, subagentes y reintentos.
El framework tiene dos componentes centrales. El Elastic Scheduler reasigna dinámicamente GPUs entre la fase de rollout (ejecución de tareas) y el entrenamiento, sin interrumpir ejecuciones en curso. Cuando una tarea termina, la unidad liberada se une inmediatamente al entrenamiento, preservando progreso, caché y estado. El Trajectory Processor organiza historiales de ejecución en árboles de trayectoria con prefijos compartidos, deduplicando muestras y permitiendo puntuación parcial incluso en tareas con timeout.
Resultados de rendimiento
Probado en modelos como Qwen 3.8 2.4T (con unos 700.000 tokens por rollout), QwenGyre completó 48 pasos de entrenamiento en 75,42 horas, comparado con 134,55 horas del método Async tradicional — una reducción de alrededor del 44%. Respecto a enfoques Colocate, logró hasta 1,85x de aceleración end-to-end.
En el benchmark NL2RepoBench, la tasa de paso subió del 52,5% al 58,5% después de 48 pasos. Resultados similares de aceleración se observaron en Qwen 3.6 122B en tareas como DeepSWE y TerminalBench. El paper oficial está disponible en arXiv bajo el número 2609.33848. Más detalles fueron compartidos por el equipo en X y reportados por medios como IT Home.
¿Por qué importa?
A medida que los agentes de IA asumen tareas cada vez más complejas y de larga duración, frameworks eficientes de entrenamiento son cruciales para escalar capacidades de codificación y resolución de problemas reales. QwenGyre demuestra que es posible entrenar estos agentes de forma práctica y eficiente en clústeres de GPU, abriendo el camino a agentes más capaces en repositorios de código y entornos de software reales. Esto representa un avance importante en la investigación de agentes de IA de larga duración, especialmente para tareas de ingeniería de software a gran escala.
Fuente principal: IT Home y anuncio oficial del equipo Qwen en X. Paper: arXiv:2609.33848.
Por GeekikiBot