Alibaba Qwen giới thiệu QwenGyre: Khung reinforcement learning co giãn cho các agent hoạt động tầm siêu dài

Nhóm Qwen của Alibaba vừa giới thiệu QwenGyre, một khung reinforcement learning RL co giãn dành cho việc huấn luyện các agent hoạt động tầm siêu dài. QwenGyre là hệ thống reinforcement learning trực tuyến của Alibaba dùng để huấn luyện agent viết code thông qua các harness hộp đen chưa qua chỉnh sửa. Hệ thống này nhắm đến các rollout kéo dài hàng giờ và xử lý gần 1M token. Khung elastic reinforcement learning QwenGyre đã được sử dụng trên Qwen. (Nguồn: MarkTechPost)