Qwen 发布 QwenGyre：面向超长时程 Agent 训练的弹性强化学习框架

Qwen 官方介绍 QwenGyre，将弹性 RL 引入超长时程（XLong）Agent 训练，包含两项核心设计：Elastic Scheduler 根据需求在 rollout 与训练之间动态重分配 GPU，且不中断正在执行的运行，官方称相对 Colocate 最高加速 1.85×、相对 Async 1.78×；Trajectory Processor 将分支执行（压缩、子 Agent、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，超时后的部分进度仍可计分。在 Qwen3.8-2.4T-A95B 上以约 700K tokens/rollout 规模运行，NL2RepoBench 在 48 步内从 52.5% 提升至 58.5%，端到端训练时间较 Async 减少约 44%。论文链接已给出。

AI推荐理由 Qwen 官方账号发布 QwenGyre，针对超长时程（XLong）Agent 训练的弹性 RL 方案，给出两项具体设计（Elastic Scheduler 在 rollout 与训练间动态重分配 GPU、Trajectory Processor 将分支执行转为前缀共享轨迹树并去重、超时部分进度仍计分），并附可验证指标：相对 Colocate 最高 1.85×、相对 Async 1.78× 加速，Qwen3.8-2.4T-A95B 上约 700K tokens/rollout，NL2RepoBench 48 步从 52.5% 提升至 58.5%，端到端训练时间较 Async 减少约 44%，并给出 arXiv 论文链接。信息密度高、有具体数字与论文出处，对 Agent 训练基础设施有实际参考价值。局限：数据来自官方自述，尚未见第三方复现，arXiv 编号需自行核验。