Tab 改用在线强化学习

9 月 12 日，Cursor 发布技术博客《Improving Cursor Tab with online RL》：Tab 跑在每一次击键与光标移动上，日均处理超 4 亿次请求；新训法把「要不要出建议」直接并入模型策略——奖励设计为采纳记 +0.75、拒收记 −0.25、沉默记 0，数学含义是估计采纳率超过 25% 才开口。上线结果一降一升：建议展示量减少 21%，采纳率提升 28%。

工程侧真正激进的是节奏：部署、采集在轨数据、重训的完整循环压缩到一两个小时，新 checkpoint 一天上线多次——模型上午还在从用户的接受与拒绝里学习，下午已经换上新的自己。一位 OpenAI 后训练工程师的评价被业内反复引用：这是「实时强化学习优势的首次大规模演示」。

放进时间线，这一步的分量大于一次模型升级：补全是 2024 年 11 月收购 Supermaven 买来的招牌；在这块最高频、最低风险的试验田上跑通强化学习，随后它在 Composer 上放大成正式的自研路线。先练手，再押主力——自研的路径图，这一天已经画好。