Cursor 团队在 AI Engineer 大会分享如何通过外循环（用户反馈）和内循环（改进训练过程）自动化 AI 研究，并利用更强模型帮助训练下一代模型，加速迭代。
📝 详细摘要
本文详细介绍了 Cursor 团队 @leerob 在 AI Engineer 大会的演讲「Recursive Model Improvement」内容。核心包括外循环（线上反馈数据驱动模型迭代）和内循环（改进 RL 环境、任务难度、辅助模型）。Cursor 构建了大规模 agent 系统自动化研究重复性工作，从 Slack 启动实验，agent 舰队监控和呼叫人类。演讲还提到递归自我改进：更强模型蒸馏出更好的 judge 模型，提升评估质量，加速训练循环。最后，Cursor 与 SpaceXAI 联合训练的 Grok 4.5 体现了这一机制，覆盖更广泛知识工作。
📊 文章信息
AI 初评：84
来源：meng shao(@shao__meng)
作者：meng shao
分类：人工智能
语言：中文
阅读时间：6 分钟
字数：1497
标签： AI研究, Cursor, 递归自我改进, Agent系统, Grok 4.5