已过期90% 置信事实时间未知
Cursor和Fireworks联合开发了Router Replay技术，解决了MoE模型在RL训练中推理端和训练端专家路由不一致的问题
1
来源数
90%
置信度
中期 (~90 天)
时效性
2026/5/31
首次发现
有效期至：2026/8/29(已过期)
来源
Cursor Composer 2训练揭秘：分布式强化学习架构全解析
bilibiliWeb3天空之城
涉及实体
相关事实
待验证Cursor和Fireworks采用了异步流水线方案进行RL训练，使所有GPU始终保持满载运行73% 相似待验证Cursor在Kimi KR基础上进行了强化学习微调，用大量高质量编程任务数据对模型进行专业化训练70% 相似待验证基于梯度的可解释性工具在PyTorch等训练框架中更早成熟，而在纯推理引擎（如llama.cpp）中实现难度更高69% 相似待验证Cursor used RLHF (Reinforcement Learning from Human Feedback) training on the open-source Kimi K2 model using data from real user programming interactions to produce Composer 2.5.68% 相似待验证经过RLVR训练的模型（如DeepSeek-R1）在面对验证循环时表现出更好的可迭代性，更擅长理解错误反馈并调整生成策略67% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/5806API
curl https://kongchang.com/api/v1/knowledge/claims/5806MCP
get_claim(id=5806)