Qwen 推出了 QwenGyre，這是一個將彈性強化學習（Elastic RL）應用於極長視野（XLong）代理訓練的框架。該框架包含兩個核心設計：

1. **彈性調度器（Elastic Scheduler）**：根據需求變化在執行（rollout）與訓練之間動態重新分配 GPU 資源，且不會中斷正在執行的任務。與 Colocate 方法相比，最高可實現 1.85 倍的加速；與 Async 方法相比，則為 1.78 倍。

2. **軌跡處理器（Trajectory Processor）**：將分支執行（如壓縮、子代理、重試）轉換為共享前綴的軌跡樹，生成有界且去重的訓練樣本。即使任務超時，部分進度仍會被評分。

在擴展至 Qwen3.8-2.4T-A95B 模型並處理每次約 70 萬個 token 的 rollout 時，QwenGyre 在 48 個步驟內將 NL2RepoBench 的成績從 52.5% 提升至 58.5%，與 Async 方法相比，端到端訓練時間減少約 44%。相關論文已發布於 arXiv。

事件背景

原始來源未提供關於傳統 RL 訓練方法具體缺陷或 QwenGyre 技術原理的獨立背景說明，僅描述了該框架的功能與性能數據。

社群觀察

社群討論主要集中在對 Qwen 團隊能力的讚賞，以及對論文中提到的 Qwen 3.6-122B 模型的關注，該模型被指出在論文中被多次提及，且是本地 LLM 社群高度期待的模型。此外，有用戶討論了透過匯聚計算資源在本地訓練強大代理的可能性，並表達了對未來 Qwen 4 模型的期待。