알리바바, AI 에이전트 훈련 비용 절감 위한 'QwenGyre' 기법 공개

요약

알리바바가 AI 에이전트 학습 시 발생하는 과도한 GPU 유휴 시간 문제를 해결하는 새로운 논문(arXiv:2609.33848)을 발표했다. 에이전트가 작업 중 생각하거나 코드를 작성하는 동안 GPU가 대기하는 비효율성을 개선하기 위해 Elastic Scheduler와 Trajectory Processor라는 두 가지 핵심 기술을 제안했다. Elastic Scheduler는 에이전트가 유휴 상태일 때 GPU를 다른 학습 작업에 할당했다가 필요할 때 복귀시키는 방식으로, 기존 방식 대비 최대 1.85배 빠른 학습 속도를 기록했다. Trajectory Processor는 에이전트가 여러 경로를 탐색할 때 공통 단계를 공유하여 불필요한 반복 연산을 줄이고 중간 결과를 활용할 수 있게 한다. Qwen 3.8 2.4T 모델을 대상으로 실험한 결과, NL2RepoBench에서 성능은 52.5%에서 58.5%로 향상되었으며 전체 소요 시간은 기존 대비 44% 감소했다. 이번 연구는 장시간 실행되는 AI 에이전트를 개발하는 팀들이 겪는 높은 비용 및 GPU 활용도 저하 문제를 해결할 실질적인 방법론을 제시한다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.