Nevážená izotonická regrese
Proložte neklesající posloupnost nejvýše 128 konečnými pozorováními v rozsahu ±10^6 neváženými nejmenšími čtverci.
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)]Projekt
Ověřte prázdné a klesající vstupy, odmítněte logické hodnoty a zachovejte zdrojový seznam.
Před použitím zkontrolujte
Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.
Modely
Nastavte endpoint kompatibilní s OpenAI nebo Anthropic pomocí základní URL a případného API klíče. Otestujte připojení. Lokální server modelu musí běžet; vzdálené nástroje mohou data odesílat samostatně.
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)]Žádejte důkazy odlišující opravu od věrohodného přepsání
OrderSaffron je software pro programování s AI ve Windows, který usnadňuje posuzování navržených změn prostřednictvím smysluplných kontrol. Otevřete složku projektu a popište chování, které potřebuje důkazy. Připojený model může pomoci společně prověřit implementaci a testy, aby se konverzace ptala, zda kontrolní podmínka zachycuje požadavek, ne pouze zda ji současný kód splňuje.
Příklad isotonic_fit.py nabízí úlohu vytvoření neklesající vyrovnané posloupnosti. Dodejte malý vstup se známým očekávaným výsledkem a zeptejte se, které případy odlišují zamýšlené chování od výstupu, který je pouze zdánlivě vhodný díky seřazení. Zahrňte stejné hodnoty a již uspořádaný vstup. Příklad je cvičením kontroly projektu; neznamená, že prostředí zahrnuje produkt pro numerické vyrovnávání nebo službu automatické certifikace testů.
Nefiltrovaný model AI lze zvolit, pokud jej podporovaný koncový bod kompatibilní s OpenAI nebo Anthropic poskytuje. Nastavte požadované údaje připojení a posuďte limity nástrojů a kontextu modelu. Před spuštěním projektových kontrol prověřte úpravu zdrojového kódu i navržené testy. Zachovejte nezávislá očekávání a uveďte případné mezery. Zelený výsledek je užitečným důkazem jen tehdy, když testy prověřují kontrakt, který jste zamýšleli zachovat nebo změnit.
Posuzování navržené sady numerických testů
- Proč kontrola neklesajícího pořadí nestačí?
Mnoho výstupů může být uspořádaných, aniž by představovaly požadované vyrovnání. Zahrňte malá nezávisle vypočtená očekávání i další vlastnosti kontraktu, například délku výstupu. Před přijetím testovací sady jako důkazu se ptejte, které chyby implementace by jednotlivé kontroly odhalily.
- Má být v testech již uspořádaný vstup?
Ano, pokud je zamýšleným chováním jeho zachování. Takový případ může odhalit zbytečné změny nebo chyby indexování. Očekávané hodnoty uveďte výslovně a zahrňte opakované položky, aby se vedle přísně rostoucího vstupu testovala i rovnost.
- Může asistent napsat kód i testy?
Může navrhnout obojí v rámci dostupných nástrojů, ale jejich zdůvodnění prověřte nezávisle. Testy vycházející ze stejného chybného předpokladu se mohou shodovat s chybnou implementací. Očekávané výsledky ukotvěte v externích požadavcích nebo ručně ověřených příkladech.
- Jak hlásit neúplné ověření?
Oddělte skutečně spuštěné kontroly od navržených kontrol a nevyřešených předpokladů. Uveďte selhání i omezení prostředí a nepovažujte chybějící výstup za úspěch. Další kontrolující tak dostane jasný přehled o tom, co úprava dokládá a co zůstává nejisté.
OrderSaffron · Aktualizováno 2026-10-25