阿里千问发布QwenGyre：重构AI Agent长周期训练范式

阿里巴巴千问团队正式发布QwenGyre，一套面向复杂、持续数小时的AI Agent任务的强化学习框架。该系统针对代理在承担完整软件工程流程时面临的长期执行与高效学习难题，提出创新性解决方案。

动态算力分配机制实现资源无感切换

传统同步训练需等待所有任务终结后才更新模型，导致早期完成任务的计算单元长期空置；异步方案虽解耦执行与训练，但固定资源配额难以应对任务进度差异。QwenGyre引入基于任务进展的动态调度策略，使已完成部分的GPU可无缝转入训练环节，未完成任务仍保持运行状态，工作环境与工具上下文完全保留。

轨迹树架构化解冗余数据，提升训练精度

面对重复调用、子代理嵌套及历史记录压缩带来的路径重叠问题，QwenGyre采用真实输入输出记录构建共享轨迹树结构。训练阶段仅选取代表性路径进行计算，避免相同模型输出的重复处理。即便任务因超时终止，已验证成果依然可纳入训练集，有效保障学习完整性。

实证显示性能跃升，训练效率大幅优化

在Qwen3.8-2.4T模型上测试表明，单次任务处理约70万Token。相同硬件预算下，完成48步强化学习迭代，QwenGyre耗时75.42小时，相较传统异步方案的134.55小时缩短44%以上。模型在NL2RepoBench代码生成基准上的通过率由52.48%提升至58.54%，且最终训练得分与传统方法趋近，证明其有效性与稳定性。