Améliorer le modèle de codage Composer grâce à l'apprentissage par renforcement en temps réel
Titre original:Improving Composer through real-time RL
Résumé IA
L'équipe Cursor a appliqué l'apprentissage par renforcement en temps réel au modèle de codage Composer, en utilisant les jetons de raisonnement générés par les interactions réelles des utilisateurs comme signal d'entraînement, afin de résoudre le problème de correspondance entre l'environnement simulé et l'usage réel. Cette technique permet à l'équipe de déployer des points de contrôle améliorés du modèle à une fréquence d'une fois toutes les cinq heures. Grâce aux tests A/B, la nouvelle version a obtenu des améliorations sur des indicateurs clés : la persistance des modifications de l'agent dans la base de code a augmenté de 2,28 %, l'insatisfaction ultérieure des utilisateurs a diminué de 3,13 % et la latence a baissé de 10,3 %. L'apprentissage par renforcement en temps réel apporte aussi de nouveaux défis comme le reward hacking, mais les retours réels des utilisateurs aident à identifier et corriger ces problèmes.
Points clés
- L'équipe Cursor a appliqué l'apprentissage par renforcement en temps réel au modèle de codage…
- Cette technique permet à l'équipe de déployer des points de contrôle améliorés du modèle à une…
- Grâce aux tests A/B,la nouvelle version a obtenu des améliorations sur des indicateurs clés: la…
- L'apprentissage par renforcement en temps réel apporte aussi de nouveaux défis comme le reward…
En bref
- Publié
- Mis à jour
- Source
- Cursor Blog
- Catégorie
- Opinion
- Score 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。
Entités associées
Source et droits
Cet article s'appuie sur des titres sélectionnés et des résumés IA issus de l'API publique AIHOT, avec attribution et liens de retour. Les droits sur l'original restent ceux des médias et auteurs d'origine ; ce site ne reproduit pas les textes intégraux.
Comment citer
Pour citer cet article, conservez le titre, la date et le lien permanent, et indiquez Orange News comme source.
Orange News : Améliorer le modèle de codage Composer grâce à l'apprentissage par renforcement en temps réel. 26. mars 2026. https://new.nat6.net/fr/news/cmosbbgu40077slojavnrbfuj/