Обновления курсора обновления автозаполнения модели для лучших предложений по кодированию

Курсор сказал, что они внесли улучшения в своей модели вкладки или систему, которая предлагает изменения кода для разработчиков по файлам, используя онлайн -обучение подкреплению.

Платформа кодирования искусственного интеллекта объявила об обновлении X, заявив, что модель теперь делает «на 21% меньше предложений, чем предыдущая модель, одновременно имея 28% более высокий уровень принятия для предложений, которые она делает».

В блоге, опубликованном курсором, объяснил, как это было сделано. Подкрепление обучения работает посредством вознаграждений, когда агент проходит испытания и ошибки несколько раз в среде, чтобы максимизировать совокупные вознаграждения.

Тем не менее, блог отмечал, что иногда агент не хватает, чтобы узнать, какое действие предпримет пользователь; Так что, даже если бы модель была сделана технически «умнее», она все равно не будет знать, что делать.

В таких ситуациях было бы просто лучше, чтобы модель не давала никаких предложений, а не неточного предложения, которое может сорвать разработчика, работающего над кодом.

«Методы градиента политики являются общим способом оптимизации« политики »(в данном случае модель TAB) для увеличения« вознаграждения », говорится в блоге. Вознаграждение – это число, назначенное каждому действию, предпринятому моделью TAB.

«Используя алгоритм градиента политики, мы можем обновить политику, чтобы она получила более высокое среднее вознаграждение в будущем», – отметил он.

Таким образом, любые принятые предложения от TAB были вознаграждены, в то время как бесполезные предложения, сделанные TAB, были обескуражены, что в конечном итоге сделало систему лучше.

Ранее в июне Cursor запустил веб -приложение для пользователей для управления кодирующими агентами непосредственно из своих браузеров.