在 v0.2.0 发布后，我继续让 Codex（gpt-5.4-xhigh）完善长句支持，并增加词库层。
我为输入法设计了一个 Benchmark：将我的小说《永恒的舞动》作为测试语料，选出不包含英文字母和数字的完整语句作为测试案例，转换为拼音后送入言泉输入法的引擎。如果结果的第一候选与原句完全一致，则计入 Top1 Pass；如果第一、第二候选任一个与原句一致，则计入 Top2 Pass。我让 Codex 按照这一测试方法的指标执行优化，由此创下了 Codex 单次任务运行 72 小时的纪录。
然而，没想到这只是 Codex 陷入近两周泥潭的开始。结果总是在“性能（延迟）”、“长句效果”、“短句效果”三者之间摇摆，犹如打地鼠般。直到 gpt-5.5-xhigh 到来，Codex 仿佛获得了新的力量，终于爬出了泥潭。不过，后来在修复另一个小 Bug 时，它却又像跌入了水沟。挣扎了三天后，我开了一个新的 session，相当于给 Codex 换了个脑子（丢弃旧上下文），问题根源终于被找到。
今天，我让 Codex 使用 v0.2.0 的引擎和 v0.3.1 的引擎分别做了 Cassotis 长句 Benchmark-16300 测试，结果如下：
| 版本 | Top1 | Top2 |
|---|---|---|
v0.3.1 |
23.59% | 28.53% |
v0.2.0 |
16.39% | 17.56% |
改进显著。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。