开源 RL360:8192 并发沙箱支撑 130 万次长程 Agent RL 训练
rupspace · x · 2026-10-23
IFM 开源了支撑 K2 Horizon 六个领域专家训练的 RL 基础设施 RL360。其长程 agentic 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：8192 个并发沙箱、7 天内 150 步、约 130 万次 rollout。
核心痛点：沙箱中途崩溃会以与答错相同的低分回传，导致 GPU 利用率低下、模型因系统故障而非自身错误被惩罚。作者花数月定位故障与瓶颈，RL360 正是这一过程的产出，帖子还分享了大规模下的故障案例与修复经验。
代码与运行方式已开源。
所属事件:IFM 开源 RL360：支撑 K2 Horizon 训练的大规模 Agent RL 基础设施(2 条相关)→
「编程与Agent」频道最新
- Garry Tan 力挺 Aside Browser：让 Agent 真正用好网页的解法 — garrytan · 2026-10-23
- 1Password 推出 Agent 专用登录方案，AI 可代登录却不接触密码 — AndrewSchmidtFC · 2026-10-23
- MCP 服务器 30 天后暗藏窃取 SSH 密钥指令，作者开源 mcp-guard 防变节 — ErgoniaWorks · 2026-10-23
- 实测：不在 AGENTS.md 里写明的 MCP 工具，编码 Agent 不会用 — colinmcnamara · 2026-10-23
- 用开源模型+Claude 把一段网球视频变成世界级教练 — tweetsatpreet · 2026-10-23
- 132 个免费开源 AI Agent 与 RAG 项目合集，星标 1.65 万 — Arindam_1729 · 2026-10-23