Улучшение модели кодирования Composer с помощью обучения с подкреплением в реальном времени
Оригинальный заголовок:Improving Composer through real-time RL
ИИ-резюме
Команда Cursor применила технологию обучения с подкреплением в реальном времени к модели кодирования Composer, используя токены рассуждений, возникающие при реальном взаимодействии с пользователями, в качестве сигнала обучения для решения проблемы несоответствия между смоделированной средой и реальным использованием. Эта технология позволяет команде развёртывать улучшенные контрольные точки модели каждые пять часов. По результатам A/B-тестирования новая версия обеспечила улучшение ключевых показателей: устойчивость агентских правок в кодовой базе выросла на 2.28%, количество последующих недовольств пользователей снизилось на 3.13%, задержка уменьшилась на 10.3%. Обучение с подкреплением в реальном времени также принесло новые вызовы, такие как вознаграждающий взлом, но обратная связь от реальных пользователей помогает выявлять и исправлять подобные проблемы.
Ключевые моменты
- Команда Cursor применила технологию обучения с подкреплением в реальном времени к модели…
- Эта технология позволяет команде развёртывать улучшенные контрольные точки модели каждые пять часов.
- По результатам A/B-тестирования новая версия обеспечила улучшение ключевых показателей:…
- 28%,количество последующих недовольств пользователей снизилось на 3.
- 13%,задержка уменьшилась на 10.
Кратко
- Опубликовано
- Обновлено
- Источник
- Cursor Blog
- Категория
- Мнения
- Оценка ИИ
- 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。
Связанные сущности
Источник и авторские права
Статья основана на отобранных заголовках и ИИ-резюме из открытого API AIHOT с указанием источника и обратными ссылками. Авторские права на оригинал принадлежат исходным изданиям и авторам; сайт не воспроизводит полные тексты.
Как цитировать
При цитировании сохраняйте заголовок, дату и постоянную ссылку, указывая источник: Orange News.
Orange News: Улучшение модели кодирования Composer с помощью обучения с подкреплением в реальном времени. 26 марта 2026. https://new.nat6.net/ru/news/cmosbbgu40077slojavnrbfuj/