Команда Qwen компании Alibaba объявила о создании нового фреймворка QwenGyre. Это масштабируемая система обучения с подкреплением (RL), предназначенная для обучения агентов, которым приходится работать много часов подряд. QwenGyre обрабатывает в ходе таких сессий почти 1 million tokens, не требуя менять код агентов. Система рассчитана на кодовых агентов, которые обучаются с помощью тестовых стендов типа «чёрный ящик».
Почему это важно
Фреймворк может помочь разработчикам создавать более функциональных помощников для программирования, обучающихся на длительных и реалистичных сессиях использования.
