Cursor 联合 UC Berkeley 探索 RL 教模型从零学会新行为

Cursor 团队与 UC Berkeley 的研究者（包括 Kevin Frans、Alexander Rush、Sergey Levine、Pieter Abbeel、Ashvin Nair 等）合作，提出定向引导方法，让强化学习教会模型从 0 到 1 掌握新行为。随后团队发布 arXiv 论文《Stabilizing On-Policy Training》，报告了稳定 Agentic RL 与自蒸馏结合训练中的常见陷阱，为相关训练实践提供了经验参考。

2026-11-05 ~ 2026-11-07 · 2 条相关

• Cursor 与 UC Berkeley 提出定向引导，让 RL 教会模型从 0 到 1 的新行为 — burny_tech · 2026-11-05
• Cursor 团队发布报告：稳定 Agentic RL 与自蒸馏结合的训练陷阱 — kvfrans · 2026-11-07