Как Alibaba убрала простой видеокарт при обучении агентов
Как Alibaba убрала простой видеокарт при обучении агентов Команда Qwen представила QwenGyre — фреймворк RL (обучение с подкреплением), который перераспределяет GPU между генерацией траекторий и тренировкой, не останавливая уже запущенные задачи. Сверхдлинные задачи агентов длятся часами и требуют почти миллиона токенов. Обычные схемы оставляют видеокарты простаивать. QwenGyre с эластичным планировщиком и обработчиком траекторий убирает дубли и оценивает частичный прогресс. На Qwen 3.8 2.4T за 48 шагов точность NL2RepoBench выросла с 52,5 % до 58,5 %, время обучения сократилось примерно на 44 % против асинхронного подхода. Пока код не опубликован, но подход показывает путь к эффективному масштабированию обучения агентов... Источники: https://arxiv.org/abs/2609.33848 https://x.com/Alibaba_Qwen/status/2109633085658808515 #AI #Qwen #Alibaba #AIAgents #RL