Cursor AI 编程平台对其核心的 Tab 自动补全模型完成升级，此次优化的关键在于引入强化学习技术，对代码建议机制进行了全面革新。
该模型能根据开发者的实时反馈动态调整：当代码建议被开发者接受时，模型会获得正向奖励；若建议被拒绝，则会受到反向惩罚，通过这种 “反馈 – 奖惩” 的循环持续优化建议的精准度。升级后成效明显，不仅代码建议数量减少 21%（有效剔除无效建议），建议接受率还大幅提高 28%，极大降低了开发者的修改成本，显著提升了编码效率。
目前，Cursor 的 Tab 模型每日需处理超过 4 亿次代码建议请求，平台方面表示，未来将继续对这一强化学习优化机制进行迭代，进一步提升模型性能。
.
.
