El equipo de Qwen de Alibaba anunció un nuevo framework llamado QwenGyre. Es un sistema elástico de aprendizaje por refuerzo (RL) diseñado para entrenar agentes que deben funcionar durante muchas horas. QwenGyre puede gestionar sesiones de ejecución que procesan cerca de 1 million tokens sin modificar el código de los agentes. El sistema está dirigido a agentes de programación que aprenden mediante entornos de prueba de caja negra.
Por qué importa
El framework podría permitir a los desarrolladores crear asistentes de programación más capaces, que aprendan de sesiones de uso largas y realistas.
