Alibaba 的 Qwen 团队开发了 QwenGyre,这是一个新颖的弹性强化学习框架,旨在显著加速超长时域任务智能体的训练。该系统通过在 rollout 和训练阶段之间动态重新分配 GPU,并创建来自复杂智能体轨迹的有界训练样本,来解决 GPU 资源闲置和智能体历史分支的计算成本等挑战。基准测试表明,QwenGyre 与现有方法相比提供了显著的加速,提高了端到端训练效率。 AI
影响 加速复杂、长时域 AI 智能体任务的训练,可能实现更复杂的应用。
排序理由 研究论文,详细介绍了一种用于 AI 智能体的新训练框架。 [lever_c_demoted from research: ic=1 ai=1.0]
- Alibaba Group
- Claude Code
- Megatron
- mooncake
- NL2RepoBench
- Qwen
- Qwen 3.6 122B
- Qwen 3.8 2.4T
- QwenGyre
- SGLang
- TerminalBench
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →