Aleph Alpha 拆解 RL 环境基建踩坑：GPU 停摆、磁盘爆满、沙箱崩溃被记为答错

Aleph Alpha 发布文章，拆解构建 Kolibri RL 环境与沙箱基础设施时遇到的 GPU 停摆、镜像占满磁盘、沙箱崩溃被误记为答错及 reward hack 等问题。研究中单个 run 需要数千个并发沙箱，吞吐与 Trainer 的平衡成为 RL/agent 基础设施的核心难题。