Cursor、code review agentがPR activityを学習してreal-time self-improve… 解決率78%を提示

4月8日のCursorのX投稿で、同社はcode review agentがPR activityを学習して「self-improve in real time」できるようになったと述べた。さらに、agentが見つけたissuesの78%がpull requestのmerge時点までに解決されるというheadline metricも提示した。短い投稿ではあるが、ここで注目すべきなのは、code reviewを単なるone-shotのmodel passではなくfeedback loopとして説明している点だ。

文字どおりに受け取れば、Cursorはmerged PR outcomesをreviewerの再調整に使っていることになる。これは、多くのAI code review機能がdiffを一度読んでcommentを返すstatic assistantとして語られてきたのと対照的だ。comment thread、accepted fix、merged diffの結果まで取り込むreviewerなら、時間とともにprecisionを上げ、チーム固有のreview preferenceにも合わせやすくなる可能性がある。Cursorが選んだ指標も実務的だ。raw alert countではusefulnessは測れないが、merge前解決率ならdeveloper workflowの中でどれだけactionableだったかにより近い。

面白い主張だがmethodologyはまだ見えない

一方で、投稿だけでは空白も大きい。Cursorは「issue found」をどう定義しているのか、何をもって解決とみなすのか、78%がどの規模のsampleなのか、全repositoryを含むのか特定cohortに限るのかを説明していない。また、PR activityのどの部分がlearning loopに入るのか、reviewer biasを強化しないためのsafeguardsがあるのかも明らかにしていない。そのため、この発表は独立比較可能なbenchmarkというより、強いproduct signalとして読むのが妥当だろう。それでも方向性は明確だ。CursorはAI code reviewを受動的なsuggestion engineではなく、実際の開発結果に合わせて継続的に変化するreviewerへ変えようとしている。