Qwen, RL 프레임워크 QwenGyre 공개

Qwen이 초장기(XLong) 작업을 수행하는 AI 에이전트 훈련을 위한 탄력적 강화학습(RL) 프레임워크 QwenGyre를 공개했습니다. 이 시스템은 긴 컨텍스트 에이전트 훈련의 연산 수요를 관리하기 위해 두 가지 핵심 요소를 도입했습니다.

핵심 구성 요소

• 탄력적 스케줄러: 롤아웃과 훈련 단계 간 GPU를 동적으로 재할당하여 실시간 실행이 중단되지 않도록 보장합니다. 이 설계는 Colocate 대비 최대 1.85배, Async 방식 대비 1.78배의 속도 향상을 제공합니다.
• 궤적 처리기: 압축, 서브 에이전트, 재시도 등 분기 실행을 접두어 공유 궤적 트리로 변환합니다. 이를 통해 중복이 제거된 제한된 훈련 샘플을 생성하며, 타임아웃 후에도 부분적인 진행 상황에 대한 점수 산출이 가능합니다.

성능 및 확장성

해당 프레임워크는 롤아웃당 약 70만 토큰 규모로 Qwen3.8-2.4T-A95B 모델에 적용되었습니다. NL2RepoBench 평가에서 QwenGyre는 단 48단계 만에 점수를 **52.5%**에서 **58.5%**로 개선했습니다. 또한 Async 기준선과 비교해 엔드투엔드 훈련 시간을 약 44% 단축했습니다.