IFM 开源 RL360 大规模 Agent RL 基础设施

IFM 团队开源 RL360，用于训练 K2 Horizon 系列模型及六个领域专家的 Agent RL。该系统可在真实沙箱中并行运行数千个 Agent，最高支持 8192 个并发沙箱，累计支撑约 130 万次长程 Agent RL 训练。