XNews

基于代理的人工智能研究和开发工作流程自动化

基于代理的人工智能研究和开发工作流程自动化

Cursor通过代理队列自动化人工智能研究。

Key insights

Cursor定义外部和内部训练循环

Cursor提出了一个双循环框架:外部循环收集真实用户反馈、在线指标和A/B测试结果,以反馈后续训练轮次;内部循环通过生成更困难的强化学习环境、优化学习方法、创建现实的软件工程任务和构建辅助模型(评判模型、奖励模型)来提高训练效率。Cursor表示,简单的公式“更多计算→更好的模型”是肤浅的,并强调这两个循环是快速迭代的核心。

代理队列自动化实验生命周期和研究人员工作负载

Cursor描述了大规模的代理队列(一个主代理加上多个子代理),这些代理持续运行以启动、监控和维护实验:代理通过SSH收集状态,维护健康检查,平行化任务,并在需要干预时通过Slack或PagerDuty主动通知人类。研究人员可以从Slack启动和管理实验,减少对训练工作的手动监管,使研究人员能够专注于更高层次的想法。

递归模型改进:模型帮助训练更好的模型

Cursor报告称,强大的主模型可以提炼出改进的辅助模型(评判模型、奖励模型),这反过来提高了评估质量、奖励信号和数据生成效率。这创造了一个经过验证的正反馈循环,其中模型帮助为下一代创造更好的训练条件,加速训练周期,而无需完全自主的强化学习。

Cursor培训成果与Grok 4.5合作

Cursor表示已进行大规模模型训练约一年,并将Composer 2.5的产品受欢迎程度归功于更多的强化学习环境、更高的任务难度和新的训练方法。Cursor还报告了与SpaceXAI在Grok 4.5上的联合训练工作,利用大量Cursor真实交互数据(代码操作、工具使用、开发者-代理痕迹)和在困难的现实环境中的强化学习;先前的模型被用来加速下一代模型。

开发者工作流程工具与代理驱动实验室的迹象

一款开发者工具Kanban Code将Claude Code任务转换为自动在各个阶段(待办→进行中→等待→审核→完成)移动的看板卡片,包含用于任务输出的嵌入式终端,并推送移动通知。观察者报告称,顶级人工智能实验室的研究人员不再大量打字,而是监督并行的代理任务,使得人类打字在某些环境中成为新的瓶颈。

评估保障措施以防止在线回答和数据集泄漏

Cursor报告了保护评估完整性的措施:在评估期间限制网络访问,删除git历史以防止泄漏,并维护一个私有的真实代码任务集(CursorBench),以确保评估反映真实能力,而不是网络搜索或数据集泄漏。

Source posts