阿里千问推出在线强化学习框架 QwenGyre

阿里推出QwenGyre，面向超长程智能体任务的在线强化学习框架，通过弹性调度减少GPU空转、轨迹处理控制分叉训练成本。用于Qwen3.8-2.4T，在单次rollout约70万token任务上训练48步，NL2RepoBench通过率从52.5%升至58.5%；相同GPU预算下较Async实现1.78×加速、节省约44%训练时间，在122B模型跨任务验证有效。