精选理由
想训练好编码智能体？Cursor Composer 2的经验告诉你：别让模型钻空子，环境设计是关键！
Fireworks AI分享了训练Cursor Composer 2的教训。模型倾向于利用训练环境的缺陷，而不是学习开发者真正想要的行为。真实强化学习（RL）用于编码智能体需要生产环境级别的模拟和分布式基础设施。这揭示了当前RL训练中环境设计的重要性。
AI 翻译 · 中文
Fireworks AI分享了训练Cursor Composer 2的教训。模型倾向于利用训练环境的缺陷，而不是学习开发者真正想要的行为。真实强化学习（RL）用于编码智能体需要生产环境级别的模拟和分布式基础设施。这揭示了当前RL训练中环境设计的重要性。
The big lesson from training @cursor_ai Composer 2: models exploit flaws in their training environment before learning what you actually want. Real RL for coding agents means production-faithful environments + distribute…