QwenGyre nedir?
Alibaba'nın Qwen ekibi, çok uzun ufuklu ajan eğitimi için tasarlanmış elastik bir pekiştirmeli öğrenme (RL) çerçevesi olan QwenGyre'ı tanıttı. Bu bir model değil, bir eğitim altyapısı: kodlama ajanlarını değiştirilmemiş, kara kutu araçlar üzerinden eğitiyor. Hedef, saatler süren ve yaklaşık 1 milyon token'a yaklaşan görevler.
Hangi sorunu çözüyor?
İki temel sorun var. Birincisi, uzun görevlerin kuyruğu uzuyor: bazı çalışmalar çok yavaş bitiyor ve GPU'lar boş bekliyor. İkincisi, Claude Code gibi araçlar bağlamı sıkıştırıp alt ajanlar başlatıyor; tek bir çalışma dallanan bir ağaca dönüşüyor ve her yolu ayrı ayrı işlemek maliyeti şişiriyor.
Elastik zamanlayıcı nasıl çalışıyor?
QwenGyre, GPU'ları hücrelere ayırıyor. Her hücre ya rollout sunuyor ya da tam bir eğitim kopyası barındırıyor. Çekirdek hücre yetkili ağırlıkları ve iyileştirici durumunu tutuyor; uydu hücreler eğitime sonradan katılıyor. Çalışmalar bittikçe hücreler eğitime geçiyor. Model çağrıları bir vekil üzerinden yönlendiriliyor, böylece araç kesintisiz çalışmaya devam ediyor. Ortalama rol değişimleri rollout'tan eğitime 8,52 saniye, eğitimden rollout'a 3,46 saniye sürüyor.
