注目★★★★★Hugging Face Papers
QwenGyre、700Kトークン級RLを最大1.85倍高速化
30秒で把握
- 1QwenGyreがxLong-horizonオンラインRLのGPU再配分を実現
- 2Qwen 3.8 2.4TでNL2RepoBenchを52.5%から58.5%へ改善
- 3速度はColocate比最大1.85倍、Async比最大1.78倍に到達
要約
QwenGyreは、数時間・最大約100万トークンに及ぶxLong-horizonエージェント向けのオンラインRLフレームワークだ。ロールアウト中の実行を止めずにGPUを学習と推論へ再配分し、分岐履歴の再構成、進捗評価、重複軌跡の除去で学習コストを抑える。Qwen 3.8 2.4Tを700Kトークンのロールアウトで学習した結果、NL2RepoBenchを48ステップで52.5%から58.5%へ6.0ポイント改善した。速度はColocate比で最大1.85倍、Async比で最大1.78倍に達した。
あなたへの影響
長時間エージェントのRL基盤を構築する日本の研究・開発チームは、GPU稼働率と軌跡重複を測定し、次の実験でQwenGyreの適用を評価すべきだ。
推奨：xLong-horizonは1回の実行が数時間に及ぶ長時間タスクを指す。