RT meng shao: Cursor 如何自动化 AI 研究并实现自我加速迭代 来自 Cursor 团队 @leerob 在 AI Engineer @aiDotEngineer 的主题演讲「Recursive Model Improveme...补录
Cursor 团队分享通过外循环（用户反馈）和内循环（自动化训练）构建递归自我改进系统，并联合训练 Grok 4.5 模型。
Cursor团队在AI Engineer演讲中提出递归模型改进框架，通过外循环（用户反馈、A/B测试）和内循环（自动化训练、RL环境）系统化加速模型迭代。他们构建了大规模agent舰队自动化研究流程，并展示了模型辅助训练下一代模型的递归机制。该团队还与SpaceXAI联合训练Grok 4.5，利用Cursor真实交互数据进行强化学习。这启示开发者可通过构建闭环反馈和自动化研究基础设施来提升模型迭代效率。 核心观点： 1. Cursor 通过外循环（用户反馈）和内循环（自动化训练）双循环系统，实现模型快速迭代。 2. Composer 2.5 因更多 RL 环境、激进任务难度和新训练方法成为 Cursor 最受欢迎模型。 3. 更强主模型可蒸馏出更好辅助模型（judge、reward model），形成递归自我改进正反馈。
推荐理由观点讨论，视角可参考
递归自我改进外循环内循环Agent系统
67/100查看详情