阿里千问发布 QwenGyre，面向超长程智能体任务的在线强化学习框架

阿里千问发布在线强化学习框架 QwenGyre，面向持续数小时、数百轮交互、累计百万级 token 的长程智能体任务。它通过弹性调度把 GPU 拆成计算单元，任务结束一批即转入训练，并以 Token-in Token-out 组织轨迹树、用 Partial Scoring 利用超时任务的部分反馈。