Zovda
一次代码评审里，装着大多数数据集要花钱买的东西：一个人用团队真正在用的语言，描述一段代码哪里不对。
而它通常被丢掉，因为它躺在一个没人当成训练数据的系统里。
一条评论，是一个带理由的标签
「这里用那个辅助函数」是一个决定加一条规则。「空输入会崩」是一个缺陷加一个条件。两者都比「通过 / 不通过」信息量大。
要用它们，就把 diff、评论、以及处理结果一起留下：作者改了、辩了、还是忽略了。
处理结果决定它可不可信
一条没人理的评论，可能错了、可能过期、可能只是口味。一条导致代码被改的评论，背后有证据。
按处理结果过滤，你不用花一分钟标注，就能得到一个高精度的集合。
一条评审记录里有什么
- 被讨论的那段 diff
- 评论原文，以及它的位置
- 作者的回复，如果有
- 代码有没有改，怎么改的
- 评审者的层级，粗分即可：同级、资深、维护者
最后一个字段，让买家可以给不同意见不同的权重，至少知道自己学的是谁的口味。
风格和正确性是两个目标
大多数评论是关于风格的。这没问题，但它不是「学改代码」的模型要的。给评论打上类型，训练时才能把两类分开。
这些集合由 Zovda 通过 Datuva 生产，diff、评论和处理结果在同一行里。代码与智能体语料展示了这个结构。
告诉我们你的评审在反复说同一句什么，我们会在 1 个工作日内回复。