Alibaba、最長100万トークンのRL学習基盤「QwenGyre」を発表

AlibabaのQwenチームが、最大100万トークンを扱う数時間規模のロールアウトでコーディングエージェントを学習できる、弾力的な強化学習システム「QwenGyre」を公開した。

短信著者： OossaOossa公開日: 2026年10月12日 22:08 UTC1 分で読める

AlibabaのQwenチームは、新たなフレームワーク「QwenGyre」を発表した。長時間にわたって動作するエージェントの学習を目的とした、弾力的な強化学習（RL）システムだ。エージェントのコードを変更せずに、100万トークン近くを処理するロールアウトに対応できる。ブラックボックスのテストハーネスを通じて学習するコーディングエージェントを対象としている。