Building the new GitHub Copilot Inline Suggestions Model: Part Two

学完你能

• 说明 2-in-1 与 3-in-1 统一模型的设计动机及相较分离模型的变化
• 描述通过蒸馏与 LLM 裁判筛选补充 ghost text 训练数据、并重新平衡多编辑数据分布的做法
• 用 STests、Output View Kind、Pseudo-Online Evaluation 等离线基准评估模型候选
• 理解“接受并保留字符数”这类线上指标下滑时，如何提出并验证假设（如建议长度）
• 解释 ghost text 完整性专用评分器与针对性数据加权的设计思路
• 分析客户端行为（如废弃 ghost text 持久化）如何影响接受率与驳回率，并用 A/B 实验量化影响

适合你吗

课程特点

内容侧重

侧重实践应用

练习与项目

无配套练习；可自行把文中的“提出假设—离线基准—线上 A/B—归因客户端行为”流程套用到自己关注的模型迭代场景。

学习时长

1 个课节原站未给出统一学习时长；实际用时取决于已有基础。

内容费用

免费节选内可直接读到博客正文全文段落，未见付费墙或登录拦截。

内容覆盖

• Phase 2: The 3-in-1 model
• Training the v4 models: adding in completions
• Training the v5 models: ghost text completeness
• The model is part of a larger end-to-end experience
• Takeaways and learnings（节选未含正文）
• Online results（节选未含正文）
• What's next?（节选未含正文）
• Try it out（节选未含正文）
• Acknowledgements（节选未含正文）