阿里千问发布QwenGyre强化学习框架

时间：2026年10月12日 地点：杭州 / 北京 人物：阿里巴巴通义千问团队（联合中国科学技术大学、清华大学） 事件：阿里千问今日正式发布 QwenGyre——一款面向超长程（XLong-Horizon）智能体任务的在线强化学习框架，旨在解决复杂智能体执行带来 GPU 空转与轨迹数据冗余两大长期困扰行业的训练瓶颈。 事件详情：QwenGyre 通过弹性 GPU 调度、轨迹处理器重建分支历史、部分进度评分（Partial Scoring）以及轨迹去重四项关键机制，让动辄持续数小时、累计处理接近 100 万 token 的单次智能体 rollout 成为有效训练来源；其核心 Elastic Scheduler 会在推理与训练之间动态分配 GPU，对运行中的任务完全不做打断，并按共享前缀组织成轨迹树，仅把被选中的路径展开为训练样本；官方在 Qwen3.8-2.4T-A95B、约 70 万 token per rollout 的实验配置下，48 步训练内将 NL2RepoBench 通过率从 52.5% 提升至 58.5%，相较 Async 与 Colocate 基线分别取得 1.78 倍和 1.85 倍的端到端加速，并在 DeepSWE、TerminalBench 等跨任务验证中全面提速。 背景：随着 Coding Agent 和长程工作流进入产品化阶段，单次执行往往长达数小时、模型与环境产生数百轮相互依赖的交互，传统 RL 训练框架要么因执行时长差异巨大让 GPU 大量空转，要么因分支路径爆炸造成训练数据冗余，成为制约智能体能力进化的工程瓶颈。 影响：QwenGyre 让超长程智能体的在线强化学习首次具备工业级可行性，将大幅加速阿里千问以及开源社区在 Coding Agent、Web Agent、操作系统 Agent 等场景的能力迭代，并推动整个行业从「短任务 RL」转向「长程 Agent RL」的训练范式升级。 总结：阿里千问通过 QwenGyre 把超长程智能体训练的两大瓶颈（GPU 空转与轨迹冗余）一并打包解决，并以 1.78×–1.85× 的实际加速比，让「智能体能跑数小时任务」不再是论文设想而是大规模可复现的工程实践。 参考来源： - IT之家：https://www.ithome.com/1/012/066.htm - 虎嗅：https://www.huxiu.com/ainews/15575.html - Artificial Intelligence News：https://www.artificialintelligence-news.com/news/alibaba-details-qwengyre-to-accelerate-extreme-horizon-agent-training/ - Prismix（Reddit LocalLLaMA 镜像）：https://prismix.dev/news/e919eab60d74 - arXiv 论文：https://arxiv.org/abs/2609.33848 - CSDN 技术解读：https://blog.csdn.net/weixin_46739757/article/details/167392302