الانحدار المتساوي الرتبة غير الموزون
لائم سلسلة غير متناقصة مع حتى 128 مشاهدة منتهية ضمن ±10^6 بمربعات صغرى متساوية الأوزان.
from math import isfinite
def isotonic_fit(values):
if type(values) is not list or len(values) > 128:
raise ValueError("bounded list")
if any(type(x) not in (int, float) or abs(x) > 10**6 or
not isfinite(x) for x in values):
raise ValueError("bounded finite values")
blocks = []
for value in values:
blocks.append([float(value), 1])
while len(blocks) > 1 and (
blocks[-2][0] / blocks[-2][1] > blocks[-1][0] / blocks[-1][1]):
total, count = blocks.pop()
blocks[-1][0] += total; blocks[-1][1] += count
return [total / count for total, count in blocks for _ in range(count)]المشروع
اختبر الإدخال الفارغ والمتناقص وارفض القيم المنطقية مع حفظ القائمة الأصلية.
راجع قبل التطبيق
قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية.
النماذج
اضبط نقطة اتصال متوافقة مع OpenAI أو Anthropic باستخدام العنوان الأساسي ومفتاح API عند الحاجة. اختبر الاتصال. يجب أن يعمل خادم النموذج المحلي؛ وقد ترسل الأدوات البعيدة البيانات بشكل منفصل.
from math import isfinite
def isotonic_fit(values):
if type(values) is not list or len(values) > 128:
raise ValueError("bounded list")
if any(type(x) not in (int, float) or abs(x) > 10**6 or
not isfinite(x) for x in values):
raise ValueError("bounded finite values")
blocks = []
for value in values:
blocks.append([float(value), 1])
while len(blocks) > 1 and (
blocks[-2][0] / blocks[-2][1] > blocks[-1][0] / blocks[-1][1]):
total, count = blocks.pop()
blocks[-1][0] += total; blocks[-1][1] += count
return [total / count for total, count in blocks for _ in range(count)]اطلب دليلاً يميز الإصلاح عن إعادة كتابة تبدو معقولة
OrderSaffron برنامج للبرمجة بالذكاء الاصطناعي على Windows لتسهيل تقييم التغييرات المقترحة بفحوص ذات معنى. افتح مجلد المشروع وصف السلوك الذي يحتاج دليلاً. يساعد نموذج متصل في فحص التنفيذ والاختبارات معاً، كي تسأل المحادثة هل يجسد التحقق المتطلب بدلاً من مجرد سؤال هل تستوفيه الشيفرة الحالية.
يقدم مثال isotonic_fit.py مهمة عن إنتاج متتالية ملائمة غير متناقصة. قدم مدخلاً صغيراً بنتيجة متوقعة معروفة واسأل أي الحالات تميز السلوك المقصود عن مخرجات مرتبة ظاهرياً. أدرج قيماً متساوية ومدخلاً مرتباً بالفعل. المثال تمرين لمراجعة مشروع؛ لا يعني أن مساحة العمل تتضمن منتج ملاءمة عددية أو خدمة اعتماد اختبارات آلية.
يمكن اختيار نموذج ذكاء اصطناعي غير مفلتر إذا وفرته نقطة النهاية المدعومة المتوافقة مع OpenAI أو الخاصة بـ Anthropic. اضبط تفاصيل الاتصال المطلوبة وقيّم حدود أدوات النموذج وسياقه. راجع تعديل المصدر واختباراته المقترحة قبل تشغيل فحوص المشروع. احفظ التوقعات المستقلة وأبلغ عن أي فجوات. النتيجة الناجحة دليل مفيد فقط عندما تختبر الاختبارات العقد الذي قصدت حفظه أو تغييره.
تقييم مجموعة اختبارات عددية مقترحة
- لماذا لا يكفي التحقق من الترتيب غير المتناقص؟
يمكن ترتيب مخرجات كثيرة دون أن تكون الملاءمة المطلوبة. أدرج توقعات صغيرة محسوبة مستقلاً وخصائص عقد أخرى مثل طول المخرجات. اسأل عن أخطاء التنفيذ التي يكشفها كل فحص قبل قبول مجموعة الاختبارات كدليل.
- هل ندرج المدخل المرتب بالفعل في الاختبارات؟
نعم، عندما يكون السلوك المقصود الحفاظ عليه. قد تكشف هذه الحالة تغييراً غير ضروري أو أخطاء فهرسة. حدد القيم المتوقعة صراحة وأدرج عناصر مكررة لاختبار المساواة إلى جانب المدخل المتزايد تماماً.
- هل يمكن للمساعد كتابة الشيفرة والاختبارات معاً؟
يمكنه اقتراحهما ضمن أدواته المتاحة، لكن راجع منطقهما مستقلاً. قد تتفق اختبارات مشتقة من الافتراض الخاطئ نفسه مع تنفيذ معيب. استخدم متطلبات خارجية أو أمثلة متحققاً منها يدوياً كأساس للنتائج المتوقعة.
- كيف أبلغ عن تحقق غير مكتمل؟
افصل الفحوص التي شُغلت فعلاً عن المقترحة والافتراضات غير المحسومة. أدرج الإخفاقات وحدود البيئة بدلاً من اعتبار غياب المخرجات نجاحاً. يمنح ذلك المراجع التالي بياناً واضحاً لما يثبته التعديل وما يظل غير مؤكد.
OrderSaffron · آخر تحديث 2026-10-25