Cursor Blogメディア報道·2026年4月8日 21:00·約3分

Bugbotが学習したルールで自己改善を開始

#AIコードレビュー #自己改善AI #継続的学習 #ソフトウェア開発 #Cursor #開発者支援AI

整理・翻訳:ainew.jp 編集システムAIによる自動処理作り方と限界

本文の状態

日本語全文を表示中

詳細モードで約3分の本文を読めます。

同じ出来事の情報源

この情報源を基点に整理

Cursor Blog

まず要点

Bugbotが学習したルールを用いて自己改善を行うようになった。この進化により、バグ修正の自動化がさらに高度化する可能性がある。

Continue in AI NEW LAB

このニュースを、実務の判断につなげる

AI NEW LABで、試したことや先に確認したい条件を共有できます。まずはログインなしで読めます。

AI NEW LABで論点を見る

Source Article

元記事を日本語で読む

本文に関係しない購読案内、埋め込み通知、サイト内プロモーションは除いています。

2025年7月にBugbotをベータ版から正式リリースした際、Bugbotが特定したバグの52%は、関連するプルリクエスト（PR）がマージされるまでに解決されていました。これは残りが誤検知であったことを示しています。

現在、その解決率は約80%に達し、次点のAIコードレビュー製品を15パーセントポイント上回っています。

AIコードレビュー製品

解決率

Gemini Code Assist

分析対象は公開リポジトリのみです。各AIコードレビュー製品が生成したコメントについて、LLM（大規模言語モデル）による判定を用いて、PRマージ時までに対応されたかどうかを検証しました。

これまでの改善は、すべてオフライン実験によって推進されてきました。Bugbotを調整し、その変更が解決率を向上させるかをテストし、向上が認められた場合にのみリリースするというプロセスです。

しかし、完全にオフラインに依存するアプローチでは、多くの学習機会が活用されていません。Bugbotは毎日数十万件のPRをレビューしており、各レビューは、開発者がBugbotの報告に基づいてアクションを取ったか否かによって、Bugbotが自己改善できる自然実験の場となっています。

こうしたリアルタイムシグナルを活用するため、私たちはBugbotが過去の実行から学習できる機能を実装し、実際のコードレビュープロセスからのフィードバックを「学習ルール」へと変換しました。ルールは追加の指示として機能し、Bugbotの実行をより細かくカスタマイズ可能にします。これによりBugbotは、特定の問題やビジネスコンテキストなどへの注力度を高められます。

学習ルールをベータ提供開始以来、11万以上のリポジトリで学習機能が有効化され、4万4千以上の学習ルールが生成されています。

#学習ルールの仕組み

マージされた各PRには、Bugbotが自己改善し、ルールとして体系化するために利用できる様々なシグナルが含まれています。特に重要なシグナルは以下の3つです：

Bugbotコメントへのリアクション：ダウンボートは、その指摘が有用でなかったことをBugbotに伝えます。
Bugbotコメントへの返信：開発者が、何が問題だったのか、または提案をどう改善できたのかを説明します。
人間のレビュアーからのコメント：Bugbotが見逃した問題を指摘します。

Bugbotはこれらのシグナルを「候補ルール」として処理し、新たに来るPRに対して評価を続けます。シグナルが十分に蓄積されると、Bugbotは候補ルールを「アクティブステータス」に昇格させ、以降のレビューに反映させ始めます。同様に、アクティブルールが一貫してネガティブなシグナルを生成し始めた場合、Bugbotはそれを無効にできます。また、UIから直接ルールを編集または削除することも可能です。

私たちは、Bugbotにあらゆる実際のバグを検出してほしいと考えています。そのためには、お客様のコードベース、パターン、チームの優先事項に対する深い理解が不可欠です。学習ルールはこの目標に向けた大きな一歩であり、Bugbotを持続的に自己改善させるための私たちの総合的な取り組みの一部をなすものです。

CursorダッシュボードでBugbotの学習を管理できます。学習ルールの有効化、最近のPRに対するバックフィルの実行が可能で、詳細はドキュメントをご覧ください。

原文を表示

When we launched Bugbot out of beta in July 2025, 52% of the bugs it identified were resolved by the time the relevant PR was merged, indicating the rest were false positives.

Today, the resolution rate is nearing 80%, 15 percentage points higher than the next-closest AI code review product.

AI code review product

Resolution rate

Gemini Code Assist

We analyzed public repositories only. For each comment produced by an AI code review product, we checked to see if it was addressed by the time it merged using an LLM judge.

Up until now, improvements have been propelled exclusively by offline experiments: We tweak Bugbot, test to see if the change improves the resolution rate, and we ship it if it does.

But a strictly offline approach leaves a lot of training potential untapped. Bugbot reviews hundreds of thousands of PRs per day, and each review is a natural experiment that Bugbot can use to self-improve based on whether the developer acted or not on its report.

To harness those real-time signals, we've now enabled Bugbot to learn from past runs, transforming feedback from the live code review process into learned rules. Rules act as additional instructions that enable greater customization of Bugbot runs, helping Bugbot focus on specific issues, business context, and more.

Since launching learned rules in beta, more than 110,000 repos have enabled learning, generating more than 44,000 learned rules.

#How learned rules work

Every merged PR contains a range of signals that Bugbot can use to self-improve and codify into rules. Three important signals are:

Reactions to Bugbot comments, where a downvote tells Bugbot the finding wasn't useful.

Replies to Bugbot comments, in which developers explain what was wrong or how the suggestion could have been better.

Comments from human reviewers, which flag issues that Bugbot missed.

Bugbot processes these signals into candidate rules that it continues to evaluate against incoming PRs. As signal accumulates, Bugbot can promote a candidate rule to active status where it begins influencing future reviews. Similarly, if an active rule starts generating consistent negative signal, Bugbot can disable it. You can also edit or delete rules directly in the UI.

We want Bugbot to catch every real bug, which requires a deep understanding of your codebase, patterns, and team's priorities. Learned rules are a big step in that direction, and they're part of our overall effort to make Bugbot continually self-improving.

Manage Bugbot learning in the Cursor Dashboard, where you can enable learned rules and run a backfill across recent PRs, or learn more in our docs.