Qwen показала QwenGyre — систему для более эффективного обучения ИИ-агентов.

Проблема понятная: современные агенты могут решать задачи часами и генерировать сотни тысяч токенов. Во время такого обучения часть GPU простаивает, а повторяющиеся траектории зря сжигают вычисления.

QwenGyre пытается убрать оба узких места.

Внутри два ключевых компонента:
— Elastic Scheduler динамически перераспределяет GPU между генерацией траекторий и обучением, не обрывая активные задачи
— Trajectory Processor объединяет разветвлённые траектории, убирает дубликаты и учитывает даже частично выполненные задания

Результаты выглядят заметно:
— до 1,85× ускорения относительно Colocate
— до 1,78× ускорения относительно Async
— до 700 000 токенов на одну траекторию
— рост точности на NL2RepoBench с 52,5% до 58,5% всего за 48 шагов обучения

По сути, QwenGyre делает обучение агентных систем менее расточительным: меньше простоя железа, меньше повторов, больше пользы из уже пройденных траекторий.