IFM团队开源RL360大规模Agent RL训练框架

IFM团队开源RL360，用于训练K2 Horizon系列模型的Agentic RL基础设施。该框架基于radixark的miles构建，支持8192并发沙箱并支撑130万次长程Agent RL训练。K2 Horizon规模为375B总参数、23B激活，采用Apache 2.0开源许可和524k上下文。