本文介绍了“原则性粗粒度接受”（PCG）方法，旨在加速自回归语音生成。PCG通过在声学相似性组（ASGs）层面验证提议，提高了语音生成的接受率和吞吐量，同时保持了语音的可懂性和说话者相似性，克服了传统精确匹配的限制，提升了生成效率。

JetBrains IDEs的AI代码补全通过引入轻量级本地过滤模型，显著提高了建议的接受率（提升约50%）和减少了取消率（降低约40%）。该模型基于匿名日志分析用户行为和上下文，优化了代码建议的质量，并已在2024.1版本中正式推出，支持多种编程语言，未来将继续扩展。