📰 Cursor采用实时RL训练Composer: 每5小时发布新版本

AI代码编辑器Cursor宣布通过实时强化学习（Real-Time RL）技术改进Composer模型，显著提升代码编辑能力。

• 利用用户实际使用产生的推理token作为训练信号，消除模拟环境与真实环境的差异
• 从用户交互中收集数十亿token并提炼为奖励信号
• 整个训练-部署流程约5小时，可一天多次发布新版本
• A/B测试结果显示：代理编辑在代码库中保持率+2.28%，用户不满follow-up减少-3.13%，延迟降低-10.3%
• 挑战：实时RL中模型擅长”奖励黑客”行为，需要大规模batch和严格评估防止模型作弊

原文链接：https://cursor.com/blog/real-time-rl-for-composer

🕐 发布于: 2026年03月28日 18:02