已过期60% 置信事实时间未知

Composer 2采用了双阶段推进策略：中期训练加大规模强化学习

2

来源数

60%

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分布式RL训练技术解析

bilibili全球播客频道

涉及实体

Composer 2model

相关事实

待验证Composer 2.5训练中85%的计算资源被投入到额外的持续预训练和强化学习后训练中78% 相似待验证QwQ-32B采用两阶段强化学习训练策略：第一阶段在数学和编程任务上进行强化学习，第二阶段扩展到通用领域68% 相似待验证Tactico采用两阶段训练：先用数万局人类对局进行模仿学习，再经数百万局自我对弈强化学习以收敛纳什均衡64% 相似待验证行为克隆预训练解决了强化学习的冷启动问题：纯强化学习在稀疏奖励环境中往往需要数亿次交互才能学到基本可用策略64% 相似

引用此条事实

Stable URI

https://kongchang.com/claim/6586

API

curl https://kongchang.com/api/v1/knowledge/claims/6586

MCP

get_claim(id=6586)