Mejora del modelo de codificación Composer mediante aprendizaje por refuerzo en tiempo real
Título original:Improving Composer through real-time RL
Resumen de IA
El equipo de Cursor aplicó técnicas de aprendizaje por refuerzo en tiempo real al modelo de codificación Composer, utilizando los tokens de razonamiento generados por las interacciones reales de los usuarios como señal de entrenamiento para resolver el problema de desajuste entre los entornos simulados y el uso real. Esta técnica permite al equipo desplegar puntos de control del modelo mejorado con una frecuencia de una vez cada cinco horas. Mediante pruebas A/B, la nueva versión logró mejoras en métricas clave: la persistencia de las ediciones del agente en el repositorio de código aumentó un 2.28%, la insatisfacción posterior de los usuarios se redujo un 3.13% y la latencia disminuyó un 10.3%. El RL en tiempo real también trae nuevos desafíos como el reward hacking, pero la retroalimentación de los usuarios reales ayuda a identificar y corregir este tipo de problemas.
Puntos clave
- El equipo de Cursor aplicó técnicas de aprendizaje por refuerzo en tiempo real al modelo de…
- Esta técnica permite al equipo desplegar puntos de control del modelo mejorado con una frecuencia…
- Mediante pruebas A/B,la nueva versión logró mejoras en métricas clave: la persistencia de las…
- 28%,la insatisfacción posterior de los usuarios se redujo un 3.
- 13% y la latencia disminuyó un 10.
Resumen rápido
- Publicado
- Actualizado
- Fuente
- Cursor Blog
- Categoría
- Opinión
- Puntuación IA
- 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。
Entidades relacionadas
Fuente y derechos
Este artículo se basa en títulos seleccionados y resúmenes de IA de la API pública de AIHOT, con atribución y enlaces de vuelta. Los derechos del original pertenecen a los medios y autores originales; este sitio no reproduce textos completos.
Cómo citar
Al citar este artículo, conserva el título, la fecha y el enlace permanente, e indica que la fuente es Orange News.
Orange News: Mejora del modelo de codificación Composer mediante aprendizaje por refuerzo en tiempo real. 26. marzo 2026. https://new.nat6.net/es/news/cmosbbgu40077slojavnrbfuj/