Cursor 使用 RL 訓練 Composer 自我摘要

🔑 增強重點摘要

• •Composer 1.5 透過將強化學習規模擴大 20 倍訓練，後訓練計算量甚至超過預訓練基模型。[1]
• •模型在基準測試中達到前沿編碼性能，生成速度比類似模型快 4 倍。[4]
• •訓練過程中提供生產級工具如語義搜尋、grep 字串及終端命令，並運行數十萬並發沙盒編碼環境。[4]

🛠️ 技術深入

• •Composer 1.5 使用相同預訓練模型，透過 RL 訓練自我摘要功能，當上下文耗盡時產生有用摘要，並可在困難範例中遞迴觸發多次。[1]
• •RL 訓練模擬真實軟體工程挑戰，模型存取 Cursor Agent 工具套件，包括程式碼編輯、語義搜尋、grep 及終端命令。[4]
• •為支援大規模訓練，改寫虛擬機器排程器以處理突發性負載，並統一 RL 環境與生產環境。[4]

🔮 前景展望AI analysis grounded in cited sources

⏳ 時間線