千问大模型发布QwenGyre在线强化学习框架

千问大模型10月12日发布QwenGyre在线强化学习框架，面向超长程智能体任务。此类任务一次执行往往持续数小时，模型与环境间存在数百轮相互依赖的交互，累计处理百万级令牌。QwenGyre通过弹性调度与轨迹处理，使超长程任务成为可用训练来源。

信源:https://x.com/Alibaba_Qwen/status/2109633085658808515