How Kimi, Cursor, and Chroma Train Agentic Models with RL

摘要

深入解析 Kimi、Cursor 與 Chroma 三家如何運用強化學習訓練代理模型，涵蓋並行代理協作、程式碼自主編輯與搜尋上下文自我修剪等技術。讀者可了解如何設計獎勵機制、處理長上下文限制，以及將訓練環境與生產系統對齊以解決獎勵作弊問題。

This article reviews how Kimi, Cursor, and Chroma use reinforcement learning to train agentic models for parallel task decomposition, real-time coding, and self-editing search.

摘要、重點與章節標題由語言模型整理，細節（誰說的、數字、先後）可能有誤；要引用請以原始內容為準。

重點

• Kimi 透過並行代理 Swarm 架構，利用強化學習動態分解任務。
• Cursor 在生產環境中進行即時強化學習，並自訂總結長上下文。
• Chroma 教導模型自我修剪搜尋結果，以節省上下文空間。

提到的工具與公司

• Kimi K2.5
• Cursor Composer 2
• Chroma Context-1
• PARL
• GRPO
• CISPO
• Firecracker VM
• Ray

適合誰看

適合正在開發垂直領域 AI 應用、研究代理系統架構或關注強化學習實作細節的工程師與研究者。

摘要依據

講者

Philipp Schmid

依據

文章全文

為什麼排在這裡

人氣

0.75

新鮮

0.47

在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算

相關內容

• Kimi K2.5 技术解读：原生多模态联合训练与并行 Agent 编排训练文章 ・ chaofa用代码打点酱油（袁朝发）
• Agentic RL: Frameworks and Best Practices文章 ・ Deep (Learning) Focus（Cameron R. Wolfe）
• Build Better AI Agents with RL & Fine-Tuning (Kyle from OpenPipe)影片 ・ AI Tinkerers ・ 51 分鐘
• How Cursor Trained Composer on Fireworks: Distributed Infrastructure for High-Performance RLPodcast ・ Training Data ・ 46 分鐘
• Proactive Agents for the Web with Devi Parikh - #756Podcast ・ The TWIML AI Podcast ・ 56 分鐘
• Recursive Language Models with Alex Zhang - Weaviate Podcast #142!影片 ・ Weaviate vector database