# QwenGyre弹性强化学习框架

QwenGyre 是一个面向超长时程（xLong）智能体在线强化学习的端到端框架，它通过弹性调度器在不中断正在运行的 harness 执行的前提下于 rollout 与训练之间重新分配 GPU，并用轨迹处理器把分支执行记录重建为共享前缀的轨迹树、对超时后的部分进展打分、按角色优先级去重采样轨迹，在 Qwen 3.8 2.4T 上以每次 rollout 70 万 token 训练 48 步，使 NL2RepoBench 通过率从 52.5% 提升到 58.5%，并在多个数据集上相对 Colocate 与 Async 取得最高 1.85 倍和 1.78 倍的端到端加速。

QwenGyre 是一个面向超长时程（xLong）智能体在线强化学习的端到端框架，它通过弹性调度器在不中断正在运行的 harness 执行的前提下于 rollout 与训练之间重新分配 GPU，并用轨迹处理器把分支执行记录重建为共享前缀的轨迹树、对超时后的部分进展打分、按角色优先级去重采样轨迹，在 Qwen 3.8 2.4T 上以每次 rollout 70 万 token 训练 48 步，使 NL2RepoBench 通过率从 52.5% 提升到 58.5%，并在多个数据集上相对 Colocate 与 Async 取得最高 1.85 倍和 1.78 倍的端到端加速。