X @Alibaba_Qwen官方
阿里 Qwen 公布 QwenGyre，瞄準超長程 agentic RL 挑戰
阿里 Qwen 團隊公布 QwenGyre，稱其針對超長程（XLong-horizon）agentic 強化學習的兩大挑戰。原帖僅給出這一句說明，未指出兩項挑戰具體是什麼，也沒有提到模型規模、評測資料或可用時間。
熱點事件 · 持續更新
最高 1.0
阿里 Qwen 發布 QwenGyre，為超長程 agent 訓練引入彈性 RL
2 則報導1 個報導來源 更新
先了解這件事AI 綜述
2026 年 10 月 12 日，阿里 Qwen 團隊在 X 上發布 QwenGyre，把彈性強化學習引入超長週期（XLong）agent 訓練。據 @Alibaba_Qwen 介紹，QwenGyre 包含兩項核心設計：彈性排程器按需求在 rollout 與訓練之間動態重分配 GPU，執行不中斷，相比 Colocate 最高提速 1.85 倍、比 Async 快 1.78 倍；軌跡處理器把分支執行（壓縮、子 agent、重試）整理成字首共享的軌跡樹，去重並限制訓練樣本量，超時後的部分進度也能評分。該帳號稱，方案已擴充套件到 Qwen3.8-2.4T-A95B，每次 rollout 約 70 萬 token，QwenGyre 在 48 步內把 NL2RepoBench 從 52.5% 提升到 58.5%，端到端訓練時間比 Async 減少約 44%，論文連結見原帖。同一帳號另一條帖子只稱 QwenGyre 針對超長程 agentic RL 的兩大挑戰，沒有說明具體是哪兩項，也未提及模型規模、評測資料或可用時間。對做 agent 強化學習訓練與基礎設施的團隊來說，這套排程與軌跡處理設計值得關注。
AI 根據 2 則報導生成 · 更新
報導時間線
沿著報導，了解事件的不同側面；點標題看單篇報導的摘要與原文連結。
10月12日星期一 · 2 則
- X @Alibaba_Qwen官方● 精選
阿里 Qwen 發布 QwenGyre，為超長週期 agent 訓練引入彈性 RL
阿里 Qwen 發布 QwenGyre，把彈性強化學習引入超長週期（XLong）agent 訓練，核心是彈性排程器與軌跡處理器兩項設計。彈性排程器按需求在 rollout 與訓練間動態重分配 GPU，執行不中斷，相比 Colocate 最高提速 1.85 倍、比 Async 快 1.78 倍；軌跡處理器把分支執行整理成字首共享的軌跡樹，去重並限制訓練樣本量，超時後的部分進度也能評分。
本事件熱度走勢
為什麼熱
過去 48 小時，有 1 個獨立來源報導，最近 6 小時新增 0 個。熱度 0.8，熱門榜第 33 名。
熱度以 48 小時內的獨立來源計，同一來源只算一次，每 24 小時權重減半。
事件紀錄
- 最早報導
- 最近更新
同一事件的報導集中在這裡，新的進展會繼續補充。