隆重推出 QwenGyre，为极端长程（XLong）智能体训练带来弹性强化学习。✨
它以两项核心设计亮相：🥳
- 弹性调度器（Elastic Scheduler）：随需求变化在 rollout 与训练之间重新分配 GPU——运行中的执行永不中断。相比 Colocate 最高提速 1.85×，相比 Async 提速 1.78×。
- 轨迹处理器（Trajectory Processor）：将分支执行（压缩、子智能体、重试）转化为前缀共享的轨迹树，训练样本有界且去重。超时后的部分进展仍会被评分。
扩展至 Qwen3.8-2.4T-A95B，每次 rollout 约 700K token，QwenGyre 在 48 步内将 NL2RepoBench 从 52.5% 提升至 58.5%，端到端训练时间相比 Async 缩短约 44%。
🔗 论文链接：
https://arxiv.org/abs/2609.33848
