علي بابا تطلق QwenGyre لتدريب وكلاء يعملون ساعات بسرعة 1.78 ضعفاً

أبرز النقاط

1. أطلق فريق Qwen إطار QwenGyre للتعلم المعزز المرن، لتدريب وكلاء برمجة على مهام تمتد ساعات وتقارب مليون رمز.
2. الإطار يعيد توزيع وحدات معالجة الرسوميات بين توليد المسارات والتدريب لحظياً، ويحوّل المسارات المتفرعة إلى عينات تدريب محدودة الحجم.
3. تدريب نموذج Qwen3.8 بـ2.4 تريليون معامل استغرق 75.42 ساعة بدل 134.55، ورفع نجاحه على NL2RepoBench من 52.48% إلى 58.54%.

خبر:

خفّض إطار تدريب جديد من فريق Qwen في علي بابا زمن تدريب وكيل برمجة بحجم 2.4 تريليون معامل من 134.55 ساعة إلى 75.42 ساعة لـ48 خطوة تدريب، مع رفع نسبة نجاحه على اختبار NL2RepoBench من 52.48% إلى 58.54%. الإطار، واسمه QwenGyre، صُمّم لمهام الوكلاء التي تمتد ساعات وتقارب مليون رمز في المسار الواحد، ويعمل مع أدوات تشغيل الوكلاء كما هي دون تعديل. أعلنه الفريق في 12 أكتوبر 2026.

تفصيل:

• المشكلة: مهام الوكلاء الطويلة تمتد ساعات وتضم مئات التفاعلات المتتابعة بين النموذج والبيئة وملايين الرموز، فتبقى وحدات معالجة الرسوميات عاطلة في انتظار أطول مسار قبل بدء التدريب، وتتكرر المقاطع المشتركة بين المسارات المتفرعة. الإطار يعالج العطل والتكرار معاً بحسب ورقة الفريق.
• الجدولة المرنة: يقسّم الإطار وحدات معالجة الرسوميات إلى وحدات حوسبة؛ حين تنتهي مجموعة مهام تنضم وحداتها المحررة فوراً إلى التدريب، بينما تواصل المهام غير المنتهية عملها محتفظة بتقدمها وذاكرتها المؤقتة. التحوّل من التوليد إلى التدريب يستغرق نحو 8.52 ثانية، والعودة منه 3.46 ثانية.
• المسارات المتفرعة: آلية Token-in Token-out تسجّل السياق الفعلي لكل مقطع مولَّد وترتّب المقاطع في شجرة مسارات بحسب البادئات المشتركة، ولا يُحوَّل إلى عينات تدريب إلا المسارات المختارة. تحديد سقف 5 مسارات لكل تنفيذ أبقى درجات التدريب كما هي وخفّض زمن التمرير الأمامي والخلفي 25.2%.
• الدرجات الجزئية: المهام التي تتجاوز المهلة الزمنية وتُنجز جزئياً لا تُهمل، بل تعطي إشارة تدريب بآلية Partial Scoring. بذلك تتحوّل المسارات الطويلة جداً إلى بيانات تدريب قابلة للاستخدام بدل إسقاطها عند انتهاء المهلة، وهو ما يصفه الفريق بأنه جوهر التعامل مع المهام التي تمتد ساعات.
• النموذج الأكبر: على نموذج Qwen3.8 بـ2.4 تريليون معامل بلغ طول المسار الواحد نحو 700 ألف رمز، واستغرقت 48 خطوة تدريب 75.42 ساعة مقابل 134.55 ساعة بأسلوب Async و91.47 ساعة بأسلوب Colocate، بالميزانية نفسها من وحدات المعالجة، أي تسريع 1.78 ضعفاً و1.21 ضعفاً على التوالي.
• النموذج الأصغر: على Qwen3.6 بـ122 مليار معامل سجّل الإطار تسريعاً بين 1.38 و1.78 ضعفاً مقارنةً بـAsync، وبين 1.21 و1.85 ضعفاً مقارنةً بـColocate، وكان أعلى تسريع 1.85 ضعفاً على اختبار TerminalBench. الاختبارات شملت أيضاً NL2RepoBench وDeepSWE على النموذج نفسه، بميزانية متساوية من وحدات المعالجة في كل مقارنة.
• العتاد والأدوات: جرى التدريب على عناقيد متعددة العُقد: من 24 إلى 32 عقدة لنموذج 122 مليار معامل، و192 عقدة في 4 خلايا من 48 عقدة لنموذج 2.4 تريليون، بتدريب عبر Megatron وتوليد عبر SGLang، وبنسخة معدّلة من خوارزمية GSPO بـ16 مساراً لكل مجموعة. أداة التشغيل كانت Claude Code 2.1.220 دون تعديل، ولم يُسمَّ طراز وحدات المعالجة.
• التوقيت: نُشرت ورقة الإطار على arXiv في 27 سبتمبر 2026 برقم 2609.33848، وأعلن الفريق الإطار رسمياً في 12 أكتوبر 2026. الورقة لا تذكر مستودع شيفرة عاماً ولا رخصة للإطار، ولم يحدد الفريق موعداً لإتاحته للمطورين خارج علي بابا، ولم يذكر مستودعاً على GitHub أو Hugging Face.

ماذا بعد؟

إتاحة شيفرة الإطار أو رخصته للمطورين، ونتائج على مهام غير البرمجة أو على نماذج من خارج عائلة Qwen.