IFM 开源 RL360：支撑 K2 Horizon 训练的大规模 Agent RL 基础设施

IFM 团队开源 RL360，分享了过去半年在大规模 Agentic RL 基础设施上的经验。该系统是训练 K2 Horizon 系列模型（375B 总参数、23B 激活）及六个领域专家的 RL 基础设施，支持长程 agent RL：在真实沙箱中并行运行数千个 agent 处理耗时数分钟的任务，最高可实现 8192 个并发沙箱，累计支撑约 130 万次长程 Agent RL 训练。

2026-10-23 ~ 2026-10-23 · 2 条相关

• IFM 团队开源 RL360：支撑 K2 Horizon 训练的大规模 Agent RL 基础设施 — rupspace · 2026-10-23
• 开源 RL360:8192 并发沙箱支撑 130 万次长程 Agent RL 训练 — rupspace · 2026-10-23