@alibaba_qwen
Alibaba Qwen представил QwenGyre — систему эластичного RL для обучения агентов с экстремально длинным горизонтом. Elastic Scheduler динамически перераспределяет GPU между генерацией траекторий и обучением, а Trajectory Processor обрабатывает ветвящиеся исполнения как деревья с общими префиксами. На Qwen3.8-2.4T-A95B система повысила результат NL2RepoBench с 52,5% до 58,5% за 48 шагов и сократила время обучения примерно на 44% относительно Async.