Replit 如何为代码修复构建 LLM

Replit 正在训练原生代码修复 LLM，用 LSP 诊断数据生成修复 diff。其数据来自用户会话中的 OT 编辑历史和 LSP 诊断，Python 项目中仅 10% 的 LSP 诊断消息自带修复方案，因此用 LLM 合成并验证 diff，目标数据集 10 万条，管线基于 Databricks 上的 PySpark，可再扩展一个数量级。