SINKFLEX-RL：讓長流程工具代理的強化學習在有限記憶體下可行

用強化學習（RL）訓練會使用工具的長流程代理，記憶體壓力很大，因為多輪的 on-policy rollout 會產生很長的上下文。論文「Efficient Reinforcement Learning for Long-Horizon Tool-Use Agentic Tasks」（arXiv 2608.10357，發表於 COLM 2026 Workshop on Efficient Reaso