AI 资讯速递 (2026/10/13)： 阿里千问推出在线强化学习框架 QwenGyre
导读摘要：
阿里千问团队于10月13日发布在线强化学习框架 QwenGyre，在超长程智能体任务优化领域取得进展。该框架通过弹性调度机制降低GPU空转率，并采用轨迹处理技术控制分叉训练成本，在代码生成基准测试中实现显著性能提升。
资讯详情
QwenGyre 针对智能体在复杂多步骤任务中的训练瓶颈设计开发。框架通过动态调整计算资源分配策略，在 Qwen3.8-2.4T 模型上完成单次70万token规模的任务rollout时，仅需48步训练即可将NL2RepoBench通过率从52.5%提升至58.5%。
核心要点
【弹性调度机制】
采用动态资源分配策略，在单次rollout约70万token任务中实现GPU利用率提升36%，有效降低空转时间占比【轨迹处理技术】
通过分支预测算法控制分叉训练成本，在代码生成场景中减少冗余路径计算量达42%，解决多决策点任务的资源浪费问题【跨规模验证能力】
在122B参数量模型上完成跨任务验证测试，在相同GPU预算下较Async框架实现1.78×加速比并节省44%训练时间
AI-ALL 深度点评
QwenGyre 的出现为大模型智能体训练提供了新的范式选择。其弹性调度设计突破了传统异步框架在资源分配上的刚性约束，在保证推理质量的同时显著降低硬件成本——这种"按需分配"模式或将重构当前基于固定资源配置的强化学习基础设施体系。
轨迹处理模块对分叉路径的精准控制具有行业示范价值。当前主流Agentic Workflow方案普遍面临决策树爆炸导致的成本激增问题，该框架通过概率剪枝策略将计算复杂度从O(n²)降至O(n log n)，为多步骤任务优化提供了可复用的技术路径。
值得关注的是其跨参数量验证的有效性证明。在122B模型上的表现表明该框架具备良好的扩展特性，这种规模无关的优化能力可能推动更大模型的实用化进程——尤其在代码生成这类高token消耗场景中形成差异化优势。
