# علی‌بابا چارچوب QwenGyre را برای آموزش RL با افق زمانی بسیار طولانی معرفی کرد

> تیم Qwen علی‌بابا از QwenGyre رونمایی کرد؛ سامانه‌ای انعطاف‌پذیر برای یادگیری تقویتی که می‌تواند عامل‌های کدنویسی را در جریان‌هایی چندساعته و با پردازش حداکثر 1 میلیون توکن آموزش دهد.

Oossa · 2026-10-12 · https://oossa.com/fa/alibaba-launches-qwengyre-framework-for-ultra-long-horizon-rl-training

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.

## حقایق

- QwenGyre در 2026-10-12 («Mon Oct 12 2026») معرفی شد.
- این چارچوب برای جریان‌هایی طراحی شده که ساعت‌ها طول می‌کشند و حدود 1 میلیون توکن پردازش می‌کنند.

## چرا مهم است

این چارچوب می‌تواند به توسعه‌دهندگان امکان دهد دستیارهای کدنویسی توانمندتری بسازند که از تجربه‌های طولانی و واقع‌گرایانه کاربری یاد می‌گیرند.

## منابع و ارجاع‌ها

1. [Alibaba Qwen Introduces QwenGyre: Elastic Reinforcement Learning RL for XLong-Horizon Agents](https://www.marktechpost.com/2026/10/12/alibaba-qwen-introduces-qwengyre-elastic-reinforcement-learning-rl-for-xlong-horizon-agents/) – MarkTechPost, 2026-10-12

آخرین به‌روزرسانی: 2026-10-12