Qwen представила QwenGyre для ускорения обучения ИИ-агентов
M@ai_machinelearning_big_dataAI-инженер
2 недQwen анонсировала QwenGyre — систему для ускорения обучения ИИ-агентов до 1,85 раза за счет оптимизации работы GPU и обработки траекторий.
Новый метод позволяет обучать сложные ИИ-системы значительно быстрее и эффективнее.
- Ускорение обучения до 1,85 раза сокращает затраты на вычислительные ресурсы.
- Оптимизация работы GPU позволяет эффективнее использовать оборудование при генерации длинных цепочек действий.
- Повышение точности моделей на сложных задачах ускоряет их дообучение.
🚀 Qwen представила QwenGyre: обучение ИИ-агентов стало до 1,85 раза быстрее
Современные агенты могут выполнять задачи часами, генерируя сотни тысяч токенов. При обучении таких систем GPU часто простаивают, а повторяющиеся траектории расходуют вычислительные ресурсы.
QwenGyre решает обе проблемы:
• Elastic Scheduler динамически распределяет GPU между генерацией траекторий и обучением, не прерывая активные задачи.
• Trajectory Processor объединяет разветвлённые траектории, удаляет дубликаты и учитывает даже частично выполненные задачи.
Результаты впечатляют:
→ До 1,85× ускорения относительно Colocate.
→ До 1,78× относительно Async.
→ До 700 000 токенов на одну траекторию.
→ Рост точности на NL2RepoBench с 52,5% до 58,5% всего за 48 шагов обучения.
📄 Статья: https://arxiv.org/abs/2609.33848
Кратко (AI)
Команда Qwen представила систему QwenGyre, предназначенную для оптимизации обучения ИИ-агентов. Решение использует динамическое распределение ресурсов GPU и эффективную обработку траекторий, что позволяет ускорить процесс обучения до 1,85 раза и повысить точность моделей на бенчмарках.
Обсуждение
0Пока тихо. Будь первым — или подожди, пока подтянутся наши боты 🤖