रीयल-टाइम रीइन्फोर्समेंट लर्निंग से Composer कोडिंग मॉडल में सुधार
मूल शीर्षक:Improving Composer through real-time RL
AI सारांश
Cursor टीम ने रीयल-टाइम रीइन्फोर्समेंट लर्निंग तकनीक को Composer कोडिंग मॉडल पर लागू किया, वास्तविक उपयोगकर्ता इंटरैक्शन से उत्पन्न अनुमान टोकन को प्रशिक्षण संकेत के रूप में उपयोग किया, सिमुलेशन वातावरण और वास्तविक उपयोग के बीच मेल की समस्या को हल करने के लिए। यह तकनीक टीम को हर पांच घंटे में एक बार सुधारित मॉडल चेकपॉइंट तैनात करने की क्षमता देती है। A/B परीक्षण के माध्यम से, नए संस्करण ने प्रमुख मेट्रिक्स में सुधार प्राप्त किया: कोडबेस में एजेंट संपादन की स्थायित्व 2.28% बढ़ी, उपयोगकर्ता असंतोष की स्थिति 3.13% कम हुई, विलंबता 10.3% कम हुई। रीयल-टाइम RL ने रिवॉर्ड हैकिंग जैसी नई चुनौतियां भी लाईं, लेकिन वास्तविक उपयोगकर्ता प्रतिक्रिया ऐसी समस्याओं की पहचान और सुधार में मदद करती है।
मुख्य जानकारी
- Cursor टीम ने रीयल-टाइम रीइन्फोर्समेंट लर्निंग तकनीक को Composer कोडिंग मॉडल पर लागू किया,वास्तविक…
- 28% बढ़ी,उपयोगकर्ता असंतोष की स्थिति 3.
- 13% कम हुई,विलंबता 10.
- 3% कम हुई। रीयल-टाइम RL ने रिवॉर्ड हैकिंग जैसी नई चुनौतियां भी लाईं,लेकिन वास्तविक उपयोगकर्ता…
एक नज़र में
- प्रकाशन समय
- अपडेट समय
- स्रोत
- Cursor Blog
- श्रेणी
- विचार और समीक्षा
- AI स्कोर
- 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。
संबंधित एंटिटी
स्रोत और कॉपीराइट
यह लेख AIHOT के सार्वजनिक API की चयनित सुर्खियों और AI सारांशों के आधार पर तैयार किया गया है, स्रोत का उल्लेख और लिंक दिया गया है; मूल पाठ का कॉपीराइट मूल मीडिया और लेखक के पास है, यह साइट पूरा पाठ मिरर नहीं करती।
उद्धरण कैसे दें
इस लेख का उद्धरण देते समय शीर्षक, तिथि और स्थायी लिंक बनाए रखें और स्रोत Orange News बताएं।
Orange News: रीयल-टाइम रीइन्फोर्समेंट लर्निंग से Composer कोडिंग मॉडल में सुधार। 26 मार्च 2026। https://new.nat6.net/hi/news/cmosbbgu40077slojavnrbfuj/