Verbesserung des Composer-Codierungsmodells durch Echtzeit-Reinforcement-Learning
Originaltitel:Improving Composer through real-time RL
KI-Zusammenfassung
Das Cursor-Team setzt Echtzeit-Reinforcement-Learning beim Composer-Codierungsmodell ein und nutzt Reasoning-Tokens aus echten Nutzerinteraktionen als Trainingssignal, um die Diskrepanz zwischen simulierter Umgebung und realer Nutzung zu überbrücken. Dadurch kann das Team verbesserte Modell-Checkpoints im Fünf-Stunden-Takt bereitstellen. A/B-Tests zeigen Verbesserungen bei zentralen Kennzahlen: Die Persistenz von Agent-Bearbeitungen in der Codebasis stieg um 2,28 %, die Unzufriedenheit von Nutzern mit Folgeantworten sank um 3,13 %, und die Latenz verringerte sich um 10,3 %. Echtzeit-RL bringt jedoch auch neue Herausforderungen wie Reward Hacking mit sich; echtes Nutzerfeedback hilft, solche Probleme zu erkennen und zu beheben.
Kernpunkte
- Das Cursor-Team setzt Echtzeit-Reinforcement-Learning beim Composer-Codierungsmodell ein und nutzt…
- Dadurch kann das Team verbesserte Modell-Checkpoints im Fünf-Stunden-Takt bereitstellen.
- A/B-Tests zeigen Verbesserungen bei zentralen Kennzahlen: Die Persistenz von Agent-Bearbeitungen…
- Echtzeit-RL bringt jedoch auch neue Herausforderungen wie Reward Hacking mit sich
- echtes Nutzerfeedback hilft,solche Probleme zu erkennen und zu beheben.
Auf einen Blick
- Veröffentlicht
- Aktualisiert
- Quelle
- Cursor Blog
- Kategorie
- Meinung
- KI-Bewertung
- 69
Cursor 把真实用户交互当训练信号,每五小时迭代一次 Composer,这不是论文是工程日志。做 coding agent 的团队该看看他们怎么处理 reward hacking 的两个真实案例,比任何 benchmark 论文都实在。
Verwandte Entitäten
Quelle & Urheberrecht
Dieser Artikel basiert auf kuratierten Titeln und KI-Zusammenfassungen der öffentlichen AIHOT-API, mit Quellenangabe und Rückverlinkung. Das Urheberrecht am Original liegt bei den ursprünglichen Medien und Autoren; diese Seite spiegelt keine Volltexte.
Zitierhinweis
Beim Zitieren dieses Artikels bitte Titel, Datum und Permalink beibehalten und Orange News als Quelle angeben.
Orange News: Verbesserung des Composer-Codierungsmodells durch Echtzeit-Reinforcement-Learning. 26. März 2026. https://new.nat6.net/de/news/cmosbbgu40077slojavnrbfuj/