Создание Cursor Composer
Building Cursor Composer
Обучение Composer через RL в среде, которая повторяет продакшен Cursor, по словам авторов даёт быструю модель для кодинга, почти не уступающую frontier-моделям.
- Среда обучения как продакшен — прогоны используют те же инструменты, что и в Cursor: чтение и правка файлов, поиск по коду, терминальные команды. Прогоны завершаются в разное время, поэтому нагрузка перераспределяется между потоками и процессами, чтобы не было простоя.
- Флот облачных VM для RL — виртуальные машины, созданные для облачных агентов Cursor, стали средой для обучения. По словам спикера, парк насчитывает сотни тысяч VM, а обучение при этом нагружает инфраструктуру пиками.
- Кастомные низкоточные ядра — ядра для слоя mixture of experts на NVIDIA Blackwell ускоряют этот слой примерно в 3,5 раза.
- Поведение агента — по словам авторов, RL научил модель вызывать несколько инструментов параллельно, например читать 10 файлов сразу, и сначала искать нужный код, а не править наугад.
Кому полезно: тем, кто обучает собственные модели для кодинга или агентов с инструментами и думает, как связать RL-среду с продакшеном.
Статья по теме
Главы
Ещё доклады: Lee Robinson
Страница спикера →Рекурсивное улучшение моделей
AI Engineer World's Fair 2026
Похожие доклады
Настраиваемый production-инференс open source-моделей
AI Engineer World's Fair 2024
Близко по содержанию
Эффективное обучение с подкреплением
AI Engineer Code 2025
Близко по содержанию
Хватит арендовать интеллект: цикл обучения и внедрения специализированного ИИ
AI Engineer World's Fair 2026
Близко по содержанию

