تیم Qwen علی‌بابا چارچوب تازه‌ای به نام QwenGyre معرفی کرد. این سامانه‌ای انعطاف‌پذیر برای یادگیری تقویتی (RL) است که برای آموزش عامل‌هایی طراحی شده که باید ساعت‌ها کار کنند. QwenGyre می‌تواند جریان‌هایی را پردازش کند که نزدیک به 1 میلیون توکن دارند، بی‌آنکه نیازی به تغییر کد عامل‌ها باشد. این سامانه برای عامل‌های کدنویسی طراحی شده که با استفاده از آزمون‌های جعبه‌سیاه یاد می‌گیرند.
چرا مهم است
این چارچوب می‌تواند به توسعه‌دهندگان امکان دهد دستیارهای کدنویسی توانمندتری بسازند که از تجربه‌های طولانی و واقع‌گرایانه کاربری یاد می‌گیرند.
