阿里QwenGyre：弹性调度 解超长程智能体训练之困

时间：2026年10月12日 地点：杭州（中国） 人物：阿里千问（通义）团队 事件详情： 阿里千问团队今日正式发布 QwenGyre，一个面向超长程（xLong-Horizon）智能体训练的端到端在线强化学习框架。论文（arXiv:2609.33848）9月底挂出，今日对外披露完整技术细节与跑分数据。 QwenGyre 瞄准 LLM 智能体执行超长任务时的两个根本瓶颈：执行时长差异巨大导致 GPU 大量空转；任务分支复杂造成轨迹冗余膨胀。框架核心由两个组件构成： 弹性调度器：在 rollout（任务执行）与训练（梯度更新）之间动态重新分配 GPU，无需中断正在运行的任务。任务每结束一批，空出单元即刻加入本轮训练，进度、缓存与中间状态原地保留。Token-in Token-out 上下文追踪：每生成一段输出，同步记录真实 prompt、历史 action、环境反馈等上下文；按共享前缀组织为轨迹树，仅展开被选中的高价值路径为训练样本，并利用 Partial Score 从超时但部分完成的任务中提取有用反馈。 背景： 随着代码 Agent 从单点修复走向仓库级生成，一次 rollout 可能跨越数小时、包含数百次模型-环境交互、累计近 1M token。传统 Colocate（同步）与 Async（异步）调度在超长程场景下相继失效：前者等所有任务完成才能训练，造成大量 GPU 空闲；后者分池固定无法互调。QwenGyre 即为解决这一"长尾"训练效率而生。 影响： 官方实验显示，在 Qwen 3.8 2.4T 模型上、每次 rollout 约 70 万 token 的设置下，QwenGyre 经 48 步训练后将 NL2RepoBench 仓库代码生成通过率从 52.5% 提升至 58.5%，绝对提升 6.0 个百分点；端到端加速比相对 Colocate 高达 1.85 倍，相对 Async 高达 1.78 倍，且训练分数与传统方法持平。在 Qwen 3.6 122B 上的 NL2RepoBench、DeepSWE、TerminalBench 跨任务验证也获得端到端提速。 总结： QwenGyre 的价值不仅在于一项加速数据，更在于把"超长程 Agent 训练"从理论问题变成可工程化的范式。它意味着 AI 智能体在仓库级、跨工具、长周期任务上的强化学习优化从此具备稳定可行的基础架构，也为后续开源集成铺平道路。论文摘要与实验章节显示，核心调度和轨迹去重组件正在准备开源集成进 Qwen 生态。 参考来源： - 阿里千问发布 QwenGyre - IT之家：https://www.ithome.com/1/012/066.htm - QwenGyre 论文 - arXiv：https://export.arxiv.org/abs/2609.33848 - QwenGyre 引爆 AI 圈 - 搜狐：https://m.sohu.com/a/1086839058_122066679 - 阿里训千问3.8：仓库生成从 52.5 飙到 58.5 - 今日头条：https://www.toutiao.com/article/7690920853713764891/ - QwenGyre：为超长程智能体训练解决 GPU 空转与轨迹冗余 - CCTest：https://cctest.ai/zh/articles/qwengyre-%E4%B8%BA%E8%B6%85%E9%95%BF%E7%A8%8B%E6%99%BA%E8%83%BD%E4%BD%93%E8%AE%AD%E7%BB%83%E8%A7%A3%E5%86%B3-gpu-%E7%A9%BA%E8%BD%AC%E4%B8%8E%E8%BD%A8%E8%BF%B9%E5%86%97%E4%BD%99 - Alibaba Unveils QwenGyre - AICoder：https://aicoder.com/news/news-20260929-alibaba-qwengyre-xlong-horizon-agent-rl-2-4t - QwenGyre 中文版论文 - alphaXiv：https://www.alphaxiv.org/zh/abs/2609.33848 - 一个模型跑一整天 GPU 却在偷偷睡觉 - 腾讯搜索：https://so.html5.qq.com/page/real/search_news?docid=70000021_3786ac6fb0277852