IFM 开源 RL360 强化学习框架

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。

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。

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。