# Alibaba ने लंबे RL प्रशिक्षण के लिए QwenGyre पेश किया

> Alibaba की Qwen टीम ने QwenGyre पेश किया है। यह एक लचीला रीइन्फोर्समेंट लर्निंग सिस्टम है, जो कोडिंग एजेंटों को घंटों चलने वाले प्रशिक्षण में 1 million tokens तक संभालने देता है।

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

Alibaba की Qwen टीम ने QwenGyre नाम का नया फ्रेमवर्क घोषित किया। यह एक लचीला रीइन्फोर्समेंट लर्निंग (RL) सिस्टम है, जिसे ऐसे एजेंटों को प्रशिक्षित करने के लिए बनाया गया है जिन्हें कई घंटों तक चलना होता है। QwenGyre एजेंटों के कोड में बदलाव किए बिना ऐसे रोलआउट संभाल सकता है जिनमें करीब 1 million tokens प्रोसेस होते हैं। यह सिस्टम उन कोडिंग एजेंटों के लिए बनाया गया है जो ब्लैक-बॉक्स टेस्ट हार्नेस के ज़रिए सीखते हैं।

## तथ्य

- QwenGyre की घोषणा 2026-10-12 (“Mon Oct 12 2026”) को की गई थी।
- यह घंटों तक चलने वाले रोलआउट और करीब 1 million tokens प्रोसेस करने के लिए बनाया गया है।

## यह क्यों मायने रखता है

यह फ्रेमवर्क डेवलपरों को ऐसे अधिक सक्षम कोडिंग असिस्टेंट बनाने में मदद कर सकता है, जो लंबे और वास्तविक इस्तेमाल वाले सत्रों से सीखते हैं।

## स्रोत और संदर्भ

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

अंतिम अपडेट: 2026-10-12