The productivity impact of coding agents

A new study from the University of Chicago finds that companies merge 39% more PRs after Cursor's agent became the default.

セマンティック検索でエージェントを強化する

セマンティック検索により、コーディングエージェントの性能が大幅に向上し、正確性が12.5%向上、コードの保持（リテンション）が改善し、不満を抱くユーザーからのリクエストが減少します。

Composer: RLで高速な最先端モデルを構築する

Composer は、ソフトウェアエンジニアリング向けの知能と高速性を備えた、新しいエージェントモデルです。

オンライン強化学習でCursor Tabを改良

新しいTabモデルは、提案数を21%削減しつつ、受け入れ率は28%向上しました。

カスタム MXFP8 カーネルで MoE 学習を1.5倍高速化

Blackwell GPU向けの全面再構築により、MoEレイヤーを3.5倍高速化。

シャドウ・ワークスペースで反復する

ユーザーへ影響を与えずにAIがコードを反復改良できるよう、非表示ウィンドウとカーネルレベルのフォルダプロキシを活用。

さらに多くの問題

次の段階のAIプログラミングにおける、いくつもの魅力的な課題領域。

Editing Files at 1000 Tokens per Second

A new model and inference method for high-accuracy full-file edits at 1000 tokens/s.

私たちの課題

Cursorで解決に挑みたい課題の一覧。

Llama の推論特性

推論数学の基礎と、Llama の意外なコストの検証。