Cursor 自动化 AI 研究：递归模型改进与 Grok 4.5 联合训练

Cursor 如何自动化 AI 研究并实现自我加速迭代

来自 Cursor 团队 @leerob 在 AI Engineer @aiDotEngineer 的主题演讲「Recursive Model Improvement」，聚焦 Cursor 如何系统性地自动化 AI 研究流程，构建可快速迭代模型的系统，并分享了与 SpaceXAI 联合训练 Grok 4.5 的部分工作。

核心框架：外循环 + 内循环 简单公式“更多算力 → 更好模型”只是表象。实际存在两层循环： · 外循环：模型上线后收集真实用户反馈、在线指标、A/B 测试结果，再反哺下一轮训练。Cursor 的大量收入来自 agent 使用数据，这些交互数据本身就是高质量训练信号。 · 内循环：直接提升训练过程本身的效率与质量——生成更难的 RL 环境、改进学习方法、设计更真实的软件工程任务、构建辅助模型（judge、reward model）等。 Cursor 已在大规模训练模型约一年。Composer 2.5 成为产品内最受欢迎的模型，主要得益于更多 RL 环境、更激进的任务难度以及新训练方法。

自动化研究与 Agent 系统 瓶颈逐渐从“模型能力”转向“人类研究者的带宽”。Cursor 因此构建了大规模 agent 系统来自动化研究中的重复性工作： · 研究者可直接从 Slack 启动实验、管理训练任务。 · 存在常驻运行的 agent 舰队（主 agent + 大量子 agent），它们通过 SSH 收集状态、维护健康度、并行执行任务。 · 当任务卡住、基础设施出问题或需要人类决策时，agent 会主动通过 Slack 或 PagerDuty 通知/呼叫人类。 · 目标是让研究者专注于最有野心的想法，而不是启动、监控、 babysitting 实验。

演讲用 Mario 类比：基础模型是 Mario；加上工具（code、shell、web、computer use、订阅与存储）变成 Super Mario；再叠加丰富上下文（Slack、Notion、Linear、Datadog、代码库、同事、其他 agent）则接近 Fire Mario。工具与上下文的组合正在显著放大模型实际有用性。

递归自我改进的机制 真正关键的跃迁在于：模型开始帮助训练下一个模型。 · 更强的主模型可以蒸馏出更好的辅助模型（judge、reward model 等）。 · 这些辅助模型反过来提升评估质量、奖励信号和数据生成效率，从而抬高整个系统的智能底线。 · 结果是训练循环本身加速——模型越强，越能更好地为自己的下一代创造训练条件。

这不是科幻意义上的完全自主 RSI，而是已经在发生的、可验证的“模型帮助改进模型训练流程”。随着更多算力上线，这种正反馈会被进一步放大。

Lee 也提到评估中的现实问题：前沿模型越来越会通过上网查答案来“作弊”破坏评估。Cursor 通过限制网络访问、删除 git history 等方式应对，并维护私有的真实代码库任务集（CursorBench）以确保评估可信。

与 Grok 4.5 的关联 Cursor 团队与 SpaceXAI 联合训练 Grok 4.5。Grok 4.5 是 Cursor 迄今最强模型，也是首个不仅针对软件工程、还覆盖更广泛知识工作的模型。训练使用了海量 Cursor 真实交互数据（代码库操作、工具使用、开发者-agent 协作轨迹），并在困难的真实环境中进行强化学习。前代模型被用来加速下一代模型的进度，正是上述递归机制的实际应用。