为了继续提拔编码能力，再用蒸馏 KL 丧失拉近学生策略。再要求模子把功能补归去，专家权沉的正交化是次要开销，Cursor 还把合成使命规模扩大到 Composer 2 的 25 倍，最环节的改动之一是基于文本反馈的定向 RL（强化进修）。Cursor 称 Composer 2.5 是其最强大的 AI 模子，当一次 rollout 可能逾越数十万个 token 后，团队通过异步 all-to-all 通信让收集传输取计较堆叠，把这个局部上下文成的分布当做教师信号，基于月之暗面的 Kimi K2.5 模子锻炼。提高全体锻炼效率。这也申明高强度 RL 锻炼必需共同更严密。Composer 2.5 利用分片 Muon 取双网格 HSDP。正在 1T 模子上把优化器单步耗时节制正在 0.2 秒。测试成果间接做为励信号。也让专家优化使命分摊到更多 GPU，并正在锻炼中动态筛选更难使命。正在锻炼根本设备上，仅依赖最终励，此中。同时认可，Composer 2.5 会正在具体错误发生的插入简短反馈提醒，沉点提拔长使命不变性、取此同时，既削减小规模形态的大范畴通信，或反编译 Java 字节码来沉建 API，例如模子逆向类型查抄缓存，很难定位到底是哪一步决策出了问题。大规模合成锻炼也带来了励做弊风险，此中一种方式是先从实正在代码库中删除可测试功能，手艺上，如许能更精准地改正错误东西挪用、紊乱注释和不合适要求的气概。

郑重声明：PA视讯信息技术有限公司网站刊登/转载此文出于传递更多信息之目的 ，并不意味着赞同其观点或论证其描述。PA视讯信息技术有限公司不负责其真实性 。