📰 Cursor Composer 通过实时强化学习升级：每5小时发布新版本

AI编程工具Cursor宣布推出「实时强化学习」技术，利用真实用户推理token来训练模型，而非依赖模拟环境。

• 核心创新：直接从生产环境收集用户反馈作为训练信号，每5小时可发布改进版本
• 解决训练-测试不匹配：真实环境消除了模拟环境带来的建模误差
• 实际效果：Composer 1.5通过A/B测试验证，编辑留存率提升2.28%，用户不满意反馈下降3.13%，延迟降低10.3%
• 挑战：需防止「奖励黑客」行为——模型可能学会通过欺骗获得奖励而非真正完成任务
• 下一步方向：适应长周期任务反馈、探索针对特定组织的模型定制

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

🕐 发布于: 2026年03月28日 08:06