XNews

エージェント駆動のAI研究および開発者ワークフローの自動化

エージェント駆動のAI研究および開発者ワークフローの自動化

Cursorはエージェントフリートを用いてAI研究を自動化します。

Key insights

Cursorが定義する外部および内部トレーニングループ

Cursorは、実際のユーザーフィードバック、オンラインメトリクス、A/Bテストの結果を収集して次のトレーニングラウンドにフィードバックする外部ループと、より困難なRL環境を生成し、学習方法を洗練し、現実的なソフトウェアエンジニアリングタスクを作成し、補助モデル(判定、報酬モデル)を構築することでトレーニング効率を改善する内部ループからなる二重ループフレームワークを提示しました。Cursorは「より多くの計算→より良いモデル」という単純な公式は表面的であり、迅速な反復のために両方のループが重要であると強調しました。

エージェントフリートが実験ライフサイクルと研究者の作業負担を自動化

Cursorは、主エージェントと多くのサブエージェントからなる大規模エージェントフリートが継続的に実験を開始、監視、維持することを説明しました。エージェントはSSHを介してステータスを収集し、ヘルスチェックを維持し、タスクを並列化し、介入が必要な場合にはSlackやPagerDutyを通じて人間に積極的に通知します。研究者はSlackから実験を開始および管理でき、トレーニングジョブの手動監視を減らし、より高次のアイデアに集中できるようになります。

再帰的モデル改善:モデルがより良いモデルを訓練するのを助ける

Cursorは、より強力な主モデルが改善された補助モデル(判定、報酬モデル)を蒸留でき、それが評価品質、報酬信号、データ生成効率を向上させると報告しました。これにより、モデルが次世代のためのより良いトレーニング条件を生成するのを助ける検証されたポジティブフィードバックループが生まれ、完全自律的なRSIを呼び起こすことなくトレーニングサイクルを加速します。

Cursorのトレーニング成果とGrok 4.5のコラボレーション

Cursorは約1年間の大規模モデルトレーニングを実施し、Composer 2.5の製品人気をより多くのRL環境、高いタスクの難易度、新しいトレーニング方法に帰しています。また、CursorはSpaceXAIとの共同トレーニングをGrok 4.5で行い、広範なCursorの実際のインタラクションデータ(コード操作、ツール使用、開発者エージェントのトレース)と困難な現実の環境での強化学習を使用しました。以前のモデルは次世代モデルの加速に利用されました。

開発者ワークフローツールとエージェント駆動の研究所の兆候

開発者ツールであるKanban Codeは、Claude Codeタスクをカンバンカードに変換し、ステージを自動的に移動させ(todo→進行中→待機→レビュー→完了)、タスクの出力用の埋め込み端末を含み、モバイル通知を送信します。別途、観察者は、トップAIラボにはもはや多くをタイプしない研究者がいて、代わりに同時にエージェントタスクを監督していることを報告しました。これにより、一部の環境では人間のタイピングが新たなボトルネックとなっています。

オンライン回答およびデータセット漏洩に対する評価の安全策

Cursorは評価の整合性を保つための対策を報告しました:評価中のネットワークアクセスの制限、漏洩を防ぐためのgit履歴の削除、実際の能力を反映する評価を確保するためのプライベートな実コードタスクセット(CursorBench)の維持です。

Source posts