概要
Cursorのコーディングエージェント「Composer 2.5」が公開され、テキストフィードバックを用いたRLや25倍の合成データ、分散学習の最適化により知能と実用性が飛躍的に向上しました。
詳細内容
### Composer 2.5 の進化と主要アップデート
Cursorは、AIコーディングエージェントの最新版「Composer 2.5」を発表しました。前バージョンと比較して、長時間にわたる複雑なタスクの完遂能力と指示への忠実性が大幅に改善されています。
### 技術的な特長
- **ターゲット型RLとテキストフィードバック**: 長い推論プロセスの中で、特定の誤った判断（ツールの誤呼び出し等）に対してピンポイントでテキストフィードバックを与え、強化学習のシグナルを局所化する新しい手法を導入。これにより、従来の報酬計算では埋もれていた微細な振る舞いの修正が可能になりました。
- **大規模合成データ**: 前バージョンの25倍となる合成タスクで学習。「機能削除」手法により、コードベースから特定の機能を削除し再実装させることで、高度な論理推論を鍛えています。報酬ハッキングを防ぐエージェント型監視も導入されています。
- **分散学習の最適化**: **Sharded Muon**と**dual mesh HSDP**を組み合わせることで、MoEモデルの巨大なExpertパラメータを効率的に直交化・分散処理。計算と通信をオーバーラップさせ、1Tパラメータ規模のモデルでも極めて高速な学習ステップを実現しています。
### 計算資源と価格
SpaceXAIとの協力によりColossus 2（H100 100万基相当）の計算資源を活用。現在はCursor上で利用可能で、より高速なバリアントも提供されています。