通义公开 QwenGyre：一次 rollout 70 万 token、跑几个小时的智能体，是这样训练出来的
Qwen 团队介绍了超长程智能体强化学习框架 QwenGyre。弹性调度器在 rollout 和训练之间动态挪 GPU，不打断正在跑的任务，最高比同置方案快 1.85 倍；轨迹处理器把压缩上下文、子智能体、重试这些分叉历史整理成共享前缀的树，超时前的部分进度也能计分。
为什么重要 在 Qwen3.8-2.4T-A95B 上，48 步训练把 NL2RepoBench 从 52.5% 提到 58.5%，端到端训练时间比异步方案少约 44%。长程智能体的瓶颈正从模型转到调度，这份方法论比又一个榜单分数更值得抄。