近日，阿里巴巴 Qwen 研究团队联合中国科学技术大学、清华大学在 arXiv 公开发布弹性强化学习框架 QwenGyre，针对多小时级长视界智能体训练的核心算力瓶颈提出完整解法，实测训练效率表现优异。
- QwenGyre 最高可实现 1.85 倍端到端训练加速
- 搭载弹性调度器动态调度 GPU 消除硬件空转
- 轨迹树重构技术可压缩冗余轨迹 token 开销
- 70 万 token 任务下 Qwen 3.8 2.4T 精度提升 6%
阿里巴巴详解QwenGyre 加速超长视界智能体训练
新闻要点
正文
原文称Qwen研究团队公布弹性强化学习框架。原文称在线强化学习面临执行方差大导致GPU闲置的挑战。
原文称轨迹处理器将分支历史组织为带共享前缀的轨迹树。原文称仓库基准准确率在48步训练内从52.5%升至58.5%。
评论 0
逛逛 Pop ↗还没有评论，来分享第一个想法吧。