阿里千问发布长程智能体在线强化学习框架QwenGyre：有哪些关键信息？

阿里千问10月12日发布在线强化学习框架QwenGyre，面向长程智能体任务。

该框架将GPU拆成计算单元，任务完成后空出单元转入训练。

QwenGyre用轨迹树记录上下文，只展开被选中路径作为训练样本。

超时但部分完成的任务可通过Partial Scoring提供反馈。

NL2RepoBench实验中训练48步后模型通过率从52.5%升至58.5%。

物界前沿 · 资讯情报卡（IT之家 · 2026/10/12）

阿里千问发布长程智能体在线强化学习框架QwenGyre

核心事实

关键数据

52.5%→58.5%NL2RepoBench通过率提升

48步训练步数

约70万单次rollout token量

1.78×相对Async端到端加速

物界观察

长程智能体训练长期受困于轨迹长、反馈稀疏，QwenGyre把任务完成度拆成可回收的训练信号，等于让闲置算力持续变现。1.78倍加速不算颠覆，但配合部分完成也给分的设计，中小团队跑超长任务的门槛会明显下降，强化学习工程化又往前挪了一步。