알리바바, 에이전트 학습 효율 최적화 'QwenGyre' 공개

요약

Qwen이 초장기 복잡한 작업을 수행하는 AI 에이전트 훈련을 위한 강화학습(RL) 프레임워크인 QwenGyre를 공개했다. 이 프레임워크는 롤아웃과 훈련 간 GPU 자원을 유동적으로 재배치하는 Elastic Scheduler를 탑재해 기존 Colocate 대비 최대 1.85배, Async 대비 1.78배의 속도 향상을 구현했다. 또한 Trajectory Processor를 통해 분기되는 실행 경로를 효율적인 궤적 트리로 변환하고, 타임아웃 발생 시에도 부분적인 진행 상황을 점수에 반영하도록 설계되었다. Qwen3.8-2.4T-A95B 모델에 적용한 결과, 롤아웃당 약 70만 토큰을 처리하며 NL2RepoBench 성능을 기존 52.5%에서 58.5%로 개선했다. 특히 Async 방식과 비교해 엔드 투 엔드 훈련 시간을 약 44% 단축하는 성과를 보였다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.