大模型强化学习

QwenGyre：阿里通义千问推出的大模型Agent强化学习训练系统

QwenGyre是阿里巴巴通义千问团队推出的面向超长程智能体在线强化学习的端到端训练框架，专门解决代码智能体这类长交互、超大Token消耗任务的强化学习训练难题。

FIPO：阿里通义开源的纯RL强化学习框架，突破大模型长文本推理瓶颈

FIPO（Future-KL Influenced Policy Optimization）是阿里通义实验室Qwen Pilot团队开源的无价值模型强化学习算法，专为突破大语言模型推理长度瓶颈与提升深度推理能力设计...