阿里千问发布QwenGyre，面向超长程任务的在线强化学习框架

10月12日，阿里千问正式发布QwenGyre，这是一款面向长程智能体任务的在线强化学习框架。该框架针对智能体执行复杂任务时单次操作持续数小时、与环境发生数百轮相互依赖交互、累计处理百万级token的训练场景。

据官方介绍，QwenGyre通过弹性调度与轨迹处理，将GPU划分为若干计算单元。当一批任务结束后，空出的计算单元可立即转入训练，仍在运行的任务状态与进度原地保留，此前算过的缓存也能整体复用，无需从头计算。新空出的单元汇入本轮训练后，由核心单元汇总结果并完成一次参数更新。

在样本组织方面，QwenGyre采用Token-in Token-out方式记录每段输出生成时的真实上下文，按共享前缀组织成轨迹树，仅将被选中的路径展开为训练样本。对于超时但部分完成的任务，可通过Partial Scoring提供有效反馈。

官方在NL2RepoBench在线强化学习实验中，以每次rollout约70万token的任务开展训练，48步训练后模型通过率从52.5%提升至58.5%。相同GPU预算下，QwenGyre相对Async实现获得1.78倍端到端加速，训练分数与Async、Colocate接近。在Qwen3.6-122B上的跨任务验证中，NL2RepoBench、DeepSWE、TerminalBench三类任务均获得端到端提速。