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

阿里千问发布 QwenGyre，面向一次运行数小时、数百轮交互、累计百万级 token 的长程智能体训练场景。框架通过弹性调度把空闲 GPU 计算单元即时转入训练，还在运行的任务保留状态和缓存不受打扰。轨迹处理上，QwenGyre 用 Token-in Token-out 记录真实上下文，按共享前缀组织成轨迹树，只展开被选中的路径作为训练样本，并用 Partial Scoring 为超时的部分完成任务提供反馈。官方在 NL2RepoBench 实验中，以每次 rollout 约 70 万 token 的任务训练 48 步，模型通过率从 52.5% 提升至 58.5%，相同 GPU 预算下相对 Async 实现端到端 1.78 倍加速。在 Qwen3.6-122B 上，NL2RepoBench、DeepSWE、TerminalBench 三类任务均获得端到端提速。