Alibaba Qwen, uzun ufuklu ajanlar için QwenGyre elastik pekiştirmeli öğrenme çerçevesini tanıttı
Alibaba'nın Qwen ekibi, saatler süren ve yaklaşık 1 milyon token işleyen ajan görevlerini eğitmek için QwenGyre adlı elastik pekiştirmeli öğrenme çerçevesini duyurdu. Sistem, boşta kalan GPU'ları rollout ile eğitim arasında kaydırıyor ve dallanan ajan geçmişlerini sınırlı eğitim örneklerine dönüştürüyor. Qwen 3.6 122B ve Qwen 3.8 2.4T modellerinde test edilen çerçeve, karşılaştırılan yöntemlere gö
