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
Qwen 开源了个新训练框架 QwenGyre,GPU 能在 rollout 和训练间动态调度,跑 70 万 token 的长任务智能体训练比之前快近一半,做 RL 的可以看看。
Qwen 开源了个新训练框架 QwenGyre,GPU 能在 rollout 和训练间动态调度,跑 70 万 token 的长任务智能体训练比之前快近一半,做 RL 的可以看看。
Meta做了个能模拟真实用户行为的MIMESIS,比GPT-5.5更难对付,训练出的智能体更强。
做智能体 RL 训练的朋友可以看看,KV 缓存不清空改成流式传递,训练直接快 2.6 到 5 倍,还能当循环记忆用,即插即用。