Pandangan dan ulasan

Memperbaiki model pengekodan Composer melalui pembelajaran pengukuhan masa nyata

Tajuk asal:Improving Composer through real-time RL

Ringkasan AI

Pasukan Cursor menggunakan teknologi pembelajaran pengukuhan masa nyata pada model pengekodan Composer, memanfaatkan token penaakulan yang dihasilkan daripada interaksi pengguna sebenar sebagai isyarat latihan untuk menyelesaikan masalah padanan antara persekitaran simulasi dan penggunaan sebenar. Teknologi ini membolehkan pasukan menggunakan titik semak model yang diperbaiki pada kekerapan setiap lima jam. Melalui ujian A/B, versi baharu mencapai peningkatan metrik utama: ketahanan suntingan ejen dalam pangkalan kod meningkat 2.28%, ketidakpuasan hati pengguna susulan berkurangan 3.13%, dan kependaman menurun 10.3%. RL masa nyata juga membawa cabaran baharu seperti penggodaman ganjaran, tetapi maklum balas pengguna sebenar membantu mengenal pasti dan membetulkan masalah sedemikian.

Maklumat penting

  • Pasukan Cursor menggunakan teknologi pembelajaran pengukuhan masa nyata pada model pengekodan…
  • Teknologi ini membolehkan pasukan menggunakan titik semak model yang diperbaiki pada kekerapan…
  • Melalui ujian A/B,versi baharu mencapai peningkatan metrik utama: ketahanan suntingan ejen dalam…
  • 28%,ketidakpuasan hati pengguna susulan berkurangan 3.
  • 13%,dan kependaman menurun 10.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
Cursor Blog
Kategori
Pandangan dan ulasan
Skor AI
69
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

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。

Entiti Berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Memperbaiki model pengekodan Composer melalui pembelajaran pengukuhan masa nyata. 26 Mac 2026. https://new.nat6.net/ms/news/cmosbbgu40077slojavnrbfuj/

Lihat Semua →