Alibaba apresenta o QwenGyre, um framework para aprendizado por reforço de longo prazo em agentes inteligentes

Em 12 de outubro de 2026, a Alibaba anunciou o lançamento do QwenGyre, um framework projetado para aprendizado por reforço online em tarefas de agentes inteligentes de longo prazo. O framework permite o treinamento eficiente para tarefas que abrangem horas, envolvendo centenas de interações entre o modelo e o ambiente, com milhões de tokens processados. O QwenGyre otimiza o uso da GPU, dividindo-as em várias unidades de computação. Quando uma tarefa é concluída, as unidades liberadas são redirecionadas para o treinamento, enquanto as tarefas em andamento permanecem inalteradas. O framework também retém os cálculos anteriores, permitindo que novas unidades se juntem ao treinamento imediatamente. Essa abordagem melhora tanto o desempenho quanto a eficiência. Em testes de referência, o QwenGyre alcançou uma aceleração de 1,78× em todo o ciclo em comparação com o Async, com desempenho próximo ao Colocate. No Qwen3.6-122B, melhorou a conclusão de tarefas em NL2RepoBench, DeepSWE e TerminalBench. O framework também suporta a pontuação parcial, fornecendo feedback em tarefas parcialmente concluídas, garantindo que nenhum esforço seja desperdiçado.