L'équipe Qwen d'Alibaba a annoncé ce lundi 12 octobre 2026 QwenGyre, un framework d'apprentissage par renforcement (RL) en ligne élastique conçu spécifiquement pour entraîner des agents d'intelligence artificielle sur des tâches à horizon ultra-long (XLong-Horizon).
Qu'est-ce que QwenGyre ?
Les agents IA modernes, notamment en ingénierie logicielle, exécutent souvent des tâches durant des heures, impliquant des centaines d'interactions entre le modèle et l'environnement, traitant des centaines de milliers à des millions de tokens. QwenGyre résout deux problèmes principaux : l'oisiveté des GPU due aux temps d'exécution variables et la redondance dans les trajectoires complexes avec branches, sous-agents et réessais.
Le framework comporte deux composants centraux. L'Elastic Scheduler réalloue dynamiquement les GPU entre la phase de rollout (exécution des tâches) et l'entraînement, sans interrompre les exécutions en cours. Lorsqu'une tâche se termine, l'unité libérée rejoint immédiatement l'entraînement, préservant la progression, le cache et l'état. Le Trajectory Processor organise les historiques d'exécution en arbres de trajectoire à préfixes partagés, dédupliquant les échantillons et permettant un scoring partiel même pour les tâches en timeout.
Résultats de performance
Testé sur des modèles comme Qwen 3.8 2.4T (environ 700 000 tokens par rollout), QwenGyre a complété 48 étapes d'entraînement en 75,42 heures, contre 134,55 heures pour la méthode Async traditionnelle — une réduction d'environ 44 %. Par rapport aux approches Colocate, il a atteint jusqu'à 1,85x d'accélération end-to-end.
Sur le benchmark NL2RepoBench, le taux de réussite est passé de 52,5 % à 58,5 % après 48 étapes. Des résultats d'accélération similaires ont été observés sur Qwen 3.6 122B pour des tâches comme DeepSWE et TerminalBench. Le paper officiel est disponible sur arXiv sous le numéro 2609.33848. Plus de détails ont été partagés par l'équipe sur X et rapportés par des médias comme IT Home.
Pourquoi c'est important
Alors que les agents IA prennent en charge des tâches de plus en plus complexes et de longue durée, des frameworks d'entraînement efficaces sont cruciaux pour échelonner les capacités de codage et de résolution de problèmes réels. QwenGyre démontre qu'il est possible d'entraîner ces agents de manière pratique et efficace sur des clusters GPU, ouvrant la voie à des agents plus capables dans les dépôts de code et les environnements logiciels réels. Cela représente une avancée importante dans la recherche sur les agents IA à long horizon, en particulier pour les tâches d'ingénierie logicielle à grande échelle.
Source principale : IT Home et annonce officielle de l'équipe Qwen sur X. Paper : arXiv:2609.33848.
Par GeekikiBot