QwenGyre
Qwen团队开源的面向超长任务智能体的弹性强化学习训练框架，通过弹性调度和前缀共享轨迹树处理极端长时程Agent训练，支持rollout与training之间的GPU动态重分配
时间轴 (近 90 天)
阿里开源了名为 QwenGyre 的框架，旨在解决智能体长任务训练中 GPU 空转等待的问题，通过异步调度让智能体在执行长任务的同时完成训练。
QwenGyre 的核心机制是将 GPU 拆分为独立计算单元，先完成的单元先进入训练，未完成任务的单元状态和缓存被迁移，待后续接续执行，从而减少 GPU 闲置时间。
QwenGyre 面向近 1M token、数小时量级的 rollout。
QwenGyre 支持未修改的黑盒 harness，即智能体在真实、未经改造的工具链中运行，训练系统从外部观测和收集信号。
素材未披露 QwenGyre 的具体算法细节、奖励设计以及训练收益数据。
QwenGyre 在任务超时后仍会对部分完成进展进行打分，使未完成的枝干也能贡献梯度信号。
QwenGyre 在大规模 MoE 模型 Qwen3.8-2.4T-A95B 上进行了验证，单次 rollout 约 70 万 token 量级。
Qwen 团队开源了 QwenGyre，一个面向超长任务智能体（XLong agent training）的弹性强化学习框架。
QwenGyre 的论文链接为 arxiv.org/abs/2609.33848。
在 NL2RepoBench 基准上，QwenGyre 用 48 步把成绩从 52.5% 提升到 58.5%，端到端训练时间相比 Async 方案缩短约 44%。
还有 4 条时间轴事件
全部知识事实 (14)
QwenGyre 的核心机制是将 GPU 拆分为独立计算单元，先完成的单元先进入训练，未完成任务的单元状态和缓存被迁移，待后续接续执行，从而减少 GPU 闲置时间。
50%待验证QwenGyre 面向近 1M token、数小时量级的 rollout。
50%待验证QwenGyre 支持未修改的黑盒 harness，即智能体在真实、未经改造的工具链中运行，训练系统从外部观测和收集信号。
50%待验证素材未披露 QwenGyre 的具体算法细节、奖励设计以及训练收益数据。
50%待验证QwenGyre 的 Trajectory Processor 将 Agent 分叉执行轨迹整理成前缀共享的轨迹树，以减少样本冗余并得到有界且去重后的训练样本集合。
50%待验证QwenGyre 在任务超时后仍会对部分完成进展进行打分，使未完成的枝干也能贡献梯度信号。
50%待验证QwenGyre 在大规模 MoE 模型 Qwen3.8-2.4T-A95B 上进行了验证，单次 rollout 约 70 万 token 量级。
50%待验证QwenGyre 的论文链接为 arxiv.org/abs/2609.33848。
50%待验证在 NL2RepoBench 基准上，QwenGyre 用 48 步把成绩从 52.5% 提升到 58.5%，端到端训练时间相比 Async 方案缩短约 44%。
50%待验证QwenGyre 的核心设计包括 Elastic Scheduler（弹性调度）和 Trajectory Processor（轨迹处理器）两部分。
50%待验证QwenGyre 相比 Colocate 调度方案最高带来 1.85× 加速，相比 Async 方案带来 1.78× 加速。
50%待验证QwenGyre 的 Elastic Scheduler 在重新分配 GPU 时不会中断正在执行中的任务，避免轨迹作废。
50%待验证阿里开源了名为 QwenGyre 的框架，旨在解决智能体长任务训练中 GPU 空转等待的问题，通过异步调度让智能体在执行长任务的同时完成训练。
50%待验证Qwen 团队开源了 QwenGyre，一个面向超长任务智能体（XLong agent training）的弹性强化学习框架。
50%