Cursor与伯克利提出智能体强化学习定向引导
热点事件持续更新
Cursor与伯克利提出智能体强化学习定向引导
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Cursor与UC Berkeley发布论文，提出Targeted Guidance，利用文本反馈和失败回合的on-policy自蒸馏，引导模型学习基础模型几乎不会采样的新行为。 在Qwen3-Coder-30B的多轮软件工程环境中，该方法将Markdown格式遵从率从0%提升至85%，编码任务成功率为33%，与原强化学习基线持平。
AI 根据报道生成 · 2 小时前更新
报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- AGI HuntCursor 与 UC Berkeley 提出 Targeted Guidance，让 on-policy RL 从 0 到 1 学习新行为
Cursor 与 UC Berkeley 提出 Targeted Guidance，通过文本反馈和失败回合的 on-policy 自蒸馏，引导模型学习 base model 几乎不会采样的新行为。在 Qwen3-Coder-30B 多轮软件工程环境中，Markdown 格式遵从率从 0% 提升至 85%，编码任务成功率为 33%，与原 RL 基线持平。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。