Qwen

引入qwenergre，将弹性强化学习引入到超长视界（XLong）智能体训练中。✨ 它推出了两个核心设计：🥳 弹性调度器：随着需求的变化，在部署和训练之间重新分配gpu——实时执行永远不会中断。比colocation加速1.85倍，比Async加速1.78倍。 -轨迹处理器：将分支执行（压缩，子代理，重试）转换为前缀共享的轨迹树，具有有限的，重复数据删除的训练样本。超时后的部分进度仍然会得分。 扩展到Qwen3.8-2.4T-A95B，每次推出约700K个令牌，qwenyre在48步中将NL2RepoBench从52.5%提升到58.5%，与Async相比，将端到端训练时间缩短了约44%。 🔗阅读报纸： https://t.co/gbKPIiqosk