Mettre en place un bac à sable sécurisé pour les agents locaux

Comment nous avons conçu le sandboxing d’agents sur macOS, Linux et Windows pour réduire les interruptions tout en améliorant la sécurité.

Présentation de Composer 1.5

Amélioration du raisonnement sur des tâches de programmation complexes en multipliant par 20 l’échelle du RL.

Vers des bases de code autonomes

Dès aujourd’hui, nous mettons en préversion une partie de notre cadre de recherche multi-agents à disposition pour que vous puissiez l’essayer.

Indexation sécurisée de grandes bases de code

En réutilisant en toute sécurité l’index existant d’un membre de l’équipe, nous avons réduit le délai avant la première requête de plusieurs heures à quelques secondes sur les plus grands dépôts.

Concevoir un meilleur Bugbot

Comment nous avons utilisé une métrique personnalisée pilotée par l’IA pour améliorer Bugbot de manière systématique.

Mise à l’échelle de la programmation autonome de longue durée

Nous avons mené des expériences en faisant tourner des agents de codage de façon autonome pendant plusieurs semaines.

Découverte dynamique du contexte

À mesure que les modèles s'améliorent en tant qu'agents, nous avons obtenu de bons résultats en fournissant moins de détails au départ, ce qui facilite pour l'agent la découverte autonome d'un contexte pertinent.

L’impact des agents de programmation sur la productivité

Une nouvelle étude de l’Université de Chicago montre que les entreprises fusionnent 39 % de PR en plus depuis que l’Agent de Cursor est devenu le paramètre par défaut.

Améliorer l’Agent avec la recherche sémantique

La recherche sémantique améliore significativement les performances de l’agent de programmation avec une précision supérieure de 12,5 %, améliore la rétention du code et réduit les demandes d’utilisateurs insatisfaits.

Composer : construire un modèle de pointe rapide avec RL

Composer est notre nouveau modèle d’agent conçu pour l’intelligence et la rapidité en génie logiciel.