阿里千问 QwenGyre：48 步将 NL2RepoBench 从 52.5% 提至 58.5%
2026.10.12 · 产品 · 论文发布 · 论文预印本
QwenGyre 用弹性调度与轨迹处理，把超长程智能体训练提速并提升成绩。
阿里千问推出超长程智能体在线强化学习框架 QwenGyre，面向单次约 70 万 token、持续数小时的任务。它用弹性调度在任务不中断时把空闲 GPU 在采样与训练间切换，用轨迹处理保留真实上下文、评估部分成果、去重共享前缀。在 Qwen3.8-2.4T-A95B 上 48 步把 NL2RepoBench 通过率从 52.5% 提至 58.5%，较 Async 端到端加速 1.78×，训练耗时从 134.55 小时缩短至 75.42…
- 48 步训练耗时从 134.55 小时缩短至 75.42 小时
- Qwen3.6-122B 上三类任务均获端到端提速
- 122B 轨迹筛选保留五条轨迹时每步计算减少 25.2%
- GPU 划分为同构 cell，采样用 SGLang、训练用 Megatron
- 目前以论文形式发布，尚未公开代码与安装包
为什么值得看
补充训练耗时、122B 跨任务验证与调度实现细节，并保留旧卡关键数字。
适合谁关注
阿里千问团队