阿里千问发布超长程智能体在线强化学习框架 QwenGyre

2026 年 10 月 12 日，阿里千问正式发布 QwenGyre，这是一款面向超长程智能体任务的在线强化学习框架。该框架旨在解决复杂智能体任务中持续数小时、数百轮相互依赖交互以及累计百万级 token 的训练难题。

在架构设计上，QwenGyre 采用弹性调度机制，能将 GPU 划分为若干计算单元，使刚结束任务的计算单元立即加入本轮训练，而未完成的任务则保留进度和缓存继续运行，最终由核心单元汇总并完成参数更新。同时，该框架通过 Token-in Token-out 记录真实上下文，按共享前缀组织轨迹树并展开被选中的路径作为训练样本，并利用 Partial Scoring 对超时但部分完成的任务提供反馈。

在官方进行的 NL2RepoBench 在线强化学习实验中，该框架展现出了显著的性能与效率提升。