Cursor розкриває метод тренування «самозавантаження»: використання старого Composer для створення середовища нової моделі, Terminal-Bench підвищився на 14 пунктів

Згідно з моніторингом Beating, Cursor опублікував один з тренувальних трюків серії моделей Composer: автоматичне створення робочого середовища для підкріплювального навчання (RL) за допомогою попередньої моделі для наступної. Під час тренування Composer 2 Cursor використовував Composer 1.5 для виконання цієї задачі, називаючи це autoinstall.

Тренування RL потребує робочого коду. Якщо середовище налаштоване погано, модель витрачає токени на пошук помилок, і нічого не навчається; у крайніх випадках середовище зовсім не працює, і вся обчислювальна потужність витрачається даремно. autoinstall вирішує цю проблему у два кроки: перший — агент читає документацію та конфігурацію коду, пропонуючи 10 команд для перевірки та очікуваний вивід; другий — інший агент бере 3 з цих команд і налаштовує середовище з нуля до тих пір, поки команда не запуститься. Другий крок має максимум 5 спроб, якщо всі провалилися — середовище відкидається.

Під час налаштування середовища агент активно доповнює відсутні залежності: підробляє таблиці бази даних, створює конфігурацію MinIO як заміну S3, запускає Docker-контейнери для ролі сайдкарів, навіть генерує заповнювальні зображення. У статті на прикладі блокчейн-проекту celo-org/celo-monorepo показано весь процес: після невдачі на першому етапі агент самостійно створює мокових користувачів для обходу аутентифікації і врешті-решт успішно запускає тест.

Composer 2 у тесті Terminal-Bench (базовий тест на здатність моделі створювати робоче середовище) набрав 61,7%, що на майже 14 відсоткових пунктів вище за 47,9% Composer 1.5. Cursor заявляє, що у майбутньому планується залучити стару версію Composer до більшої кількості етапів тренування, включаючи попередню обробку даних, управління запуском та оптимізацію архітектури.