Alibaba представила QwenGyre, новый фреймворк для обучения агентов с использованием эластичного обучения с подкреплением. Он предназначен для тренировки агентов, работающих в условиях длительных задач, и может обрабатывать около 1 миллиона токенов за один запуск. QwenGyre использует систему, которая позволяет перемещать неиспользуемые графические процессоры между процессами обучения и выполнения задач.

Фреймворк QwenGyre был протестирован на моделях Qwen 3.6 и Qwen 3.8, с использованием от 24 до 192 графических процессоров в зависимости от модели. Он демонстрирует производительность, которая в 1.38-1.78 раз быстрее, чем предыдущие методы, такие как Async и Colocate, при сопоставимых результатах. Это делает его эффективным инструментом для разработки и обучения сложных агентов.

Запуск QwenGyre имеет значительное значение для области искусственного интеллекта, так как он открывает новые возможности для создания более сложных и эффективных агентов. Использование эластичного подхода к обучению может значительно улучшить производительность и скорость разработки в этой быстро развивающейся области.