核心信息
Qwen 发布 QwenGyre，一个面向超长周期（XLong）智能体训练的弹性强化学习框架，基于弹性调度器和轨迹处理器两大核心设计。
要点
- 弹性调度器可根据需求在 rollout 与训练之间动态重新分配 GPU，且不中断正在执行的实时任务，相比 Colocate 最高提速 1.85 倍，相比 Async 提速 1.78 倍。
- 轨迹处理器将分支执行（压缩、子智能体、重试）转化为前缀共享的轨迹树，生成有界且去重的训练样本；超时后的部分进展仍会被评分。
- 在 Qwen3.8-2.4T-A95B 上扩展，每次 rollout 约 70 万 token，QwenGyre 在 48 步内将 NL2RepoBench 从 52.5% 提升至 58.5%。
- 相比 Async，端到端训练时间缩短约 44%。
