Qwen 团队发布 QwenGyre：面向超长程智能体训练的弹性强化学习框架

QwenGyre 是 Qwen 团队推出的强化学习训练框架，包含两个核心设计：Elastic Scheduler 可在 rollout 与训练之间动态重新分配 GPU，训练过程不被中断，相比 Colocate 提速最高 1.85 倍，相比 Async 提速 1.78 倍；Trajectory Processor 将分支执行（压缩、子智能体、重试）转化为前缀共享的轨迹树，去重后得到有界训练样本，超时后的部分进展也能获得评分。该框架已扩展到 Qwen3.8-2.4T-A95B，单次 rollout 约 70 万 token，在 48 步内将 NL2RepoBench 成绩从 52.5% 提升到 58.5%，端到端训练时间较 Async 缩短约 44%。相关论文已发布在 arXiv（2609.33848）。