IFM 开源 RL360，以 8192 并发沙箱支撑 130 万次长程 Agent 强化学习训练

IFM 开源 RL360 强化学习基础设施，用于支撑 K2 Horizon 六个领域专家的长程 Agent 训练。该系统可在真实沙箱中运行 8192 个并发 agent，7 天内完成 150 步和约 130 万次 rollout，并公开代码、运行方式及大规模训练中的故障案例与修复经验。