推文

@Moblacksoil · 2026-10-12 22:10

Qwen 官号今晚介绍了 QwenGyre，给超长程 agent 做在线强化学习的训练框架。 论文 9 月 27 日就上了 arXiv，今晚是官号补的介绍。 我去翻了论文摘要。 GPU 在 rollout 和训练之间弹性调配，不打断正在跑的执行； 轨迹处理器重建分支历史、给部分进度打分并去重，压训练成本。 摘要里的数据：Qwen 3.8 2.4T，每次 rollout 700K tokens， 48 步把 NL2RepoBench 从 52.5% 提到 58.5%。 官号帖另说比 Async 省约 44% 训练时间，摘要里没这个数。 目前没发新权重，代码仓库也还没看到。

曝光 44 · 评论 1 · 点赞 1 · 书签 0 · 曝光/时 26.648507029214336