Aprimorando o Composer através de RL em tempo real

'RL em tempo real' é uma técnica criada pela equipe do Cursor que utiliza tokens de inferência reais para o treinamento. A equipe disponibiliza checkpoints do modelo para produção, observa as respostas dos usuários e utiliza essas respostas como sinais de recompensa. Essa abordagem permite enviar uma versão aprimorada do Composer a cada cinco horas.