نقدم لكم QwenGyre، الذي يُدخل RL المرن إلى تدريب الوكلاء ذي الأفق الطويل للغاية (XLong). ✨
يُطلق بتصميمين أساسيين: 🥳
- Elastic Scheduler: يعيد توزيع وحدات GPU بين التنفيذ (rollout) والتدريب (training) حسب تغيّر الاحتياج—دون مقاطعة عمليات التنفيذ الجارية. تسريع يصل إلى 1.85× مقارنة بـ Colocate، و1.78× مقارنة بـ Async.
- Trajectory Processor: يحوّل عمليات التنفيذ المتفرّعة (الضغط، الوكلاء الفرعيون، إعادة المحاولة) إلى أشجار مسارات تتشارك البادئة مع عينات تدريب محدودة وغير مكررة. ويتم تقييم التقدم الجزئي حتى بعد انتهاء المهلة.
عند التوسيع إلى Qwen3.8-2.4T-A95B بنحو 700K من الرموز لكل عملية rollout، يرفع QwenGyre نتيجة NL2RepoBench من 52.5% إلى 58.5% خلال 48 خطوة، ويقلّص زمن التدريب من البداية إلى النهاية بنحو 44% مقارنة بـ Async.
🔗 اقرأ الورقة البحثية:
https://arxiv.org/abs/2609.33848
