Ā lǐ阿里qiān千wèn问fā bù发布 QwenGyre,miàn xiàng面向chāo超cháng长Chéng程zhì智Néng能tī体rèn wu任务de的zài xiàn在线qiáng huà强化xué xí学习kuàng jià框架
I T zhī jiāIT之家 1 0 yuè10月 12 rì日xiāo xi消息,Ā lǐ阿里qiān千wèn问jīn rì今日zhèng shì正式fā bù发布 QwenGyre,zhè这shì是yī一kuǎn款miàn xiàng面向cháng长Chéng程zhì néng tǐ智能体rèn wu任务de的zài xiàn在线qiáng huà强化xué xí学习kuàng jià框架。jù据guān fāng官方jiè shào介绍,dāng当zhì néng tǐ智能体chéng dān承担fù zá复杂gōng zuò工作,yī cì一次zhí xíng执行wǎng wǎng往往chí xù持续shù xiǎo shí数小时,mó xíng模型yú与huán jìng环境zhī jiān之间yǒu有shù bǎi数百lún轮xiāng hù相互yī lài依赖de的jiāo hù交互,lěi jì累计chǔ lǐ处理bǎi wàn百万jí级 token。QwenGyre tōng guò通过tán xìng弹性diào dù调度yú与guǐ jì轨迹chǔ lǐ处理,ràng让zhè lèi这类chāo超cháng长Chéng程rèn wu任务chéng wéi成为yǒu xiào有效de的xùn liàn训练lái yuán来源,tóng shí同时dài lái带来néng lì能力yú与xiào lǜ效率tí shēng提升。QwenGyre néng gòu能够bǎ把 G P UPU fēn chéng分成ruò gān若干jì suàn计算dān yuán单元,rèn wu任务měi每jié shù结束yī pī一批,kōng空chū出de的dān yuán单元jiù就zhuǎn rù转入xùn liàn训练,jiù xiàng就像xiàng mù项目zǔ组lǐ里shéi谁xiān先jiāo chāi交差、shéi谁xiān先jiā rù加入fù pán复盘。Huán还zài在páo跑de的rèn wu任务wán quán完全bù不shòu受dǎ rǎo打扰,jìn dù进度hé和zhuàng tài状态yuán dì原地bǎo liú保留,Lián连zhī qián之前suàn算Guō过de的huǎn cún缓存Dū都zhěng tǐ整体bān zǒu搬走,bù bì不必chóng tóu重头zài lái再来。Xīn新kōng空chū出de的dān yuán单元zhí jiē直接jiā rù加入běn本lún轮xùn liàn训练,shéi谁suàn算dé得kuài快shéi谁
Skóre: 97505 slov
