تیم Qwen علی‌بابا QwenGyre را متن‌باز کرده است؛ آن‌چه در پوشش خبری «یادگیری تقویتی کشسان برای ایجنت‌های XLong-horizon» توصیف شده است. این چارچوب‌بندی آگاهانه است: این ابزار ایجنت‌هایی را هدف می‌گیرد که اپیزودهایشان ساعت‌ها طول می‌کشد و شامل فراخوانی‌های ابزار است، نه یک نوبت واحد؛ جایی که تخصیص اعتبار، زمان‌بندی rollout و checkpointing با آموزش کوتاه‌مدت متفاوت رفتار می‌کنند.
برای تیم‌هایی که سیستم‌های ایجنت می‌سازند، پرسش عملی این است که آیا حلقهٔ آموزش از rolloutهای طولانی جان سالم به در می‌برد. اجراهای طولانی‌مدت، تأخیر ابزار، شکست‌های جزئی و رشد context را انباشته می‌کنند، بنابراین یک هارنس کشسان به‌اندازهٔ خود policy اهمیت دارد. QwenGyre به‌عنوان همان لایهٔ هارنس معرفی شده است، که آن را نه فقط برای نحوهٔ prompt دادن به ایجنت‌ها، بلکه برای نحوهٔ آموزش و ارزیابی آن‌ها مرتبط می‌کند.
این انتشار در زمانی رخ می‌دهد که پشته‌های ایجنت با وزن باز و هارنس باز بر سر کارایی آموزش رقابت می‌کنند. Behzat AI اشاره می‌کند که آن‌چه از پوشش ارائه‌شده روشن نیست، مجوز، محیط‌های پشتیبانی‌شده، محدودهٔ سخت‌افزاری و این است که آیا مؤلفهٔ کشسان به مقیاس‌پذیری محاسباتی اشاره دارد، به دسته‌بندی rollout یا به هر دو. این جزئیات تعیین می‌کند که آیا هارنس در خطوط لولهٔ ارزیابی موجود قابل پذیرش است یا نه. این استودیو QwenGyre را به‌عنوان گزینه‌ای برای آزمایش‌های آموزش طولانی‌مدت در نظر خواهد گرفت، به‌محض اینکه مخزن و مستندات مستقیماً بررسی شوند.