Alibaba presenta QwenGyre, un marco para el aprendizaje por refuerzo a largo plazo en agentes inteligentes

El 12 de octubre de 2026, Alibaba anunció el lanzamiento de QwenGyre, un marco diseñado para el aprendizaje por refuerzo en línea en tareas de agentes inteligentes a largo plazo. El marco permite un entrenamiento eficiente para tareas que abarcan horas, que involucran cientos de interacciones entre el modelo y el entorno, con el procesamiento de millones de tokens. QwenGyre optimiza el uso de la GPU dividiéndola en múltiples unidades de computación. Cuando una tarea se completa, las unidades liberadas se redirigen al entrenamiento, mientras que las tareas en curso permanecen sin afectar. El marco también conserva los cálculos anteriores, lo que permite que nuevas unidades se unan al entrenamiento de inmediato. Este enfoque mejora tanto el rendimiento como la eficiencia. En pruebas de referencia, QwenGyre logró una aceleración de 1,78× de principio a fin en comparación con Async, con un rendimiento similar al de Colocate. En Qwen3.6-122B, mejoró la finalización de tareas en NL2RepoBench, DeepSWE y TerminalBench. El marco también admite la puntuación parcial, proporcionando comentarios sobre tareas parcialmente completadas, lo que garantiza que no se desperdicie ningún esfuerzo.