Browsing Tag

reinforcement learning

2 innlegg
Jan Sverre sammen med Faraday som orkestrerer kodeagenter i digitalt forskningslaboratorium

Faraday lar en 27B-modell styre GPT-5.5 Codex som forsker

Faraday er en AI-forsker på 27 milliarder parametere som styrer GPT-5.5 Codex. Inherents test viser lovende spesialisering, men trenger uavhengig kontroll.
  • 24. august 2026
  • 75 visninger
  • 7 minutter lesetid
Cursor Composer 2 forbedrer seg selv hvert femte time via real-time reinforcement learning i produksjon

Cursor Composer 2 – ny AI-modell hvert femte time via real-time RL

Cursor oppdaterer Composer 2 med en ny modell-checkpoint hvert femte time ved hjelp av real-time reinforcement learning fra ekte brukerinteraksjoner. Her er en gjennomgang av metoden, tallene, og reward hacking-problemene de har møtt underveis.
  • 30. mars 2026
  • 200 visninger
  • 4 minutter lesetid