阿里Qwen推出QwenGyre：面向超长时程智能体的弹性强化学习框架

📋总体概括

阿里巴巴Qwen团队推出QwenGyre，一个面向超长时程智能体训练的弹性强化学习框架。该系统是在线强化学习方案，可通过未经修改的黑箱测试框架训练编程智能体，目标是支撑持续数小时、处理接近100万token的rollout任务。它解决了长时程智能体训练中环境交互周期长、状态管理复杂的工程难题，为Qwen的编程智能体能力提升提供了基础设施支撑，也反映出大模型竞争正从对话能力转向长程任务执行能力。