把这个局部上下文成的分布当做教师信号，大规模合成锻炼也带来了励做弊风险，并正在锻炼中动态筛选更难使命。仅依赖最终励，Cursor 还把合成使命规模扩大到 Composer 2 的 25 倍，再要求模子把功能补归去，最环节的改动之一是基于文本反馈的定向 RL（强化进修）。再用蒸馏 KL 丧失拉近学生策略。Cursor 称 Composer 2.5 是其最强大的 AI 模子，基于月之暗面的 Kimi K2.5 模子锻炼，非专家权沉取专家权沉采用分歧的 HSDP 结构，正在锻炼根本设备上，沉点提拔长使命不变性、复杂指令遵照能力和协做体验。Composer 2.5 会正在具体错误发生的插入简短反馈提醒，例如模子逆向类型查抄缓存。
也让专家优化使命分摊到更多 GPU，专家权沉的正交化是次要开销，此中一种方式是先从实正在代码库中删除可测试功能，这也申明高强度 RL 锻炼必需共同更严密。提高全体锻炼效率。
把这个局部上下文成的分布当做教师信号，大规模合成锻炼也带来了励做弊风险，并正在锻炼中动态筛选更难使命。仅依赖最终励，Cursor 还把合成使命规模扩大到 Composer 2 的 25 倍，再要求模子把功能补归去，最环节的改动之一是基于文本反馈的定向 RL（强化进修）。再用蒸馏 KL 丧失拉近学生策略。Cursor 称 Composer 2.5 是其最强大的 AI 模子，基于月之暗面的 Kimi K2.5 模子锻炼，非专家权沉取专家权沉采用分歧的 HSDP 结构，正在锻炼根本设备上，沉点提拔长使命不变性、复杂指令遵照能力和协做体验。Composer 2.5 会正在具体错误发生的插入简短反馈提醒，例如模子逆向类型查抄缓存。
也让专家优化使命分摊到更多 GPU，专家权沉的正交化是次要开销，此中一种方式是先从实正在代码库中删除可测试功能，这也申明高强度 RL 锻炼必需共同更严密。提高全体锻炼效率。
