，阿里巴巴千问团队提出 QwenGyre，这是一套专门面向超长任务的 AI Agent 强化学习框架。 随着 Agent 开始承担完整的软件工程任务，一次执行可能持续数小时，涉及数百轮模型调用和工具操作。模型需要从这些任务的实际结果中学习，但传统训练系统容易陷入漫长等待和重复计算。 首先是 GPU 利用率问题。传统同步训练必须等一批 Agent 全部完成任务，才能集中更新模型。不同任务耗时相差很大，先结束的任务会让部分 GPU 长时间闲置。异步训练虽然将任务执行和模型训练分开，却固定了两者的 GPU 配额