阿里千問釋出超長程智慧體線上強化學習框架 QwenGyre

2026 年 10 月 12 日，阿里千問正式釋出 QwenGyre，這是一款面向超長程智慧體任務的線上強化學習框架。該框架旨在解決複雜智慧體任務中持續數小時、數百輪相互依賴互動以及累計百萬級 token 的訓練難題。

在架構設計上，QwenGyre 採用彈性排程機制，能將 GPU 劃分為若干計算單元，使剛結束任務的計算單元立即加入本輪訓練，而未完成的任務則保留進度和快取繼續執行，最終由核心單元彙總並完成引數更新。同時，該框架通過 Token-in Token-out 記錄真實上下文，按共享字首組織軌跡樹並展開被選中的路徑作為訓練樣本，並利用 Partial Scoring 對超時但部分完成的任務提供反饋。

在官方進行的 NL2RepoBench 線上強化學習實驗中，該框架展現出了顯著的效能與效率提升。