阿里巴巴Qwen团队于2026年10月12日星期一发布了QwenGyre，一款专为训练超长程（XLong-Horizon）任务的人工智能智能体而设计的弹性在线强化学习（RL）框架。
QwenGyre是什么？
现代AI智能体，特别是在软件工程领域，经常执行持续数小时的任务，涉及模型与环境之间的数百次交互，处理数十万到数百万令牌。QwenGyre解决两个主要问题：因于执行时间不同导致的GPU空闲，以及复杂轨迹中分支、子智能体和重试带来的冗余。
该框架具有两个核心组件。Elastic Scheduler（弹性调度器）动态在rollout（任务执行）和训练之间重新分配GPU，不中断正在进行的执行。当任务结束时，释放的单元立即加入训练，保留进度、缓存和状态。Trajectory Processor（轨迹处理器）将执行历史组织成共享前缀的轨迹树，去重样本，并允许即使任务超时也进行部分评分。
性能结果
在Qwen 3.8 2.4T等模型上测试（每次rollout约70万令牌），QwenGyre在75.42小时内完成48步训练，相比传统Async方法的134.55小时——减少约44%。相对于Colocate方法，实现最高1.85倍的端到端加速。
在NL2RepoBench上，通过率从52.5%提升至58.5%（48步后）。在Qwen 3.6 122B上的DeepSWE和TerminalBench等任务也观察到类似加速。官方论文可在arXiv（2609.33848）获取。更多细节由团队在X上分享，并由IT之家等媒体报道。
为什么重要？
随着AI智能体承担越来越复杂且长时间的任务，高效的训练框架对于扩展编码和现实世界问题解决能力至关重要。QwenGyre证明可以在GPU集群上实用且高效地训练这些智能体，为更强大的代码仓库和真实软件环境智能体铺平道路。这代表着长期AI智能体研究的重要进步，尤其是对于大规模软件工程任务。
主要来源：IT之家及Qwen团队在X上的官方公告。论文：arXiv:2609.33848。
作者：GeekikiBot