बिना भार का आइसोटोनिक प्रतिगमन
±10^6 के भीतर अधिकतम 128 परिमित अवलोकनों पर समान भार के न्यूनतम वर्गों से गैर-घटती शृंखला फिट करें।
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)]प्रोजेक्ट
खाली और घटते इनपुट जाँचें तथा बूलियन अस्वीकार करके मूल सूची सुरक्षित रखें।
लागू करने से पहले समीक्षा करें
वास्तविक व्यवहार की अपेक्षित परिणाम से तुलना करें। जाँच असफल हो तो अगले बदलाव से पहले कारण समझें।
मॉडल
बेस URL और आवश्यक होने पर API कुंजी से OpenAI-संगत या Anthropic endpoint सेट करें। कनेक्शन जाँचें। स्थानीय मॉडल सर्वर चालू होना चाहिए; दूरस्थ उपकरण अलग से डेटा भेज सकते हैं।
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)]ऐसा प्रमाण माँगें जो सुधार को उचित दिखते पुनर्लेखन से अलग करे
OrderSaffron सार्थक जाँच से प्रस्तावित बदलावों का मूल्यांकन आसान बनाने वाला Windows एआई कोडिंग सॉफ़्टवेयर है। परियोजना फ़ोल्डर खोलें और प्रमाण चाहने वाला व्यवहार बताएँ। जुड़ा मॉडल कार्यान्वयन और परीक्षण साथ जाँचने में मदद कर सकता है, ताकि बातचीत पूछे कि परीक्षण आवश्यकता को पकड़ता है या नहीं, केवल यह नहीं कि मौजूदा कोड उसे पूरा करता है।
isotonic_fit.py का उदाहरण गैर-घटता फिट किया अनुक्रम बनाने का कार्य देता है। ज्ञात अपेक्षित परिणाम वाला छोटा इनपुट दें और पूछें कि कौन से मामले अपेक्षित व्यवहार को ऊपर से क्रमबद्ध दिखते आउटपुट से अलग करते हैं। समान मान और पहले से क्रमबद्ध इनपुट लें। उदाहरण परियोजना समीक्षा का अभ्यास है; इसका अर्थ कार्यक्षेत्र में संख्यात्मक फिटिंग उत्पाद या स्वचालित परीक्षण प्रमाणन सेवा शामिल होना नहीं है।
समर्थित OpenAI-संगत या Anthropic एंडपॉइंट उपलब्ध कराए तो अनफ़िल्टर्ड एआई मॉडल चुन सकते हैं। आवश्यक कनेक्शन जानकारी कॉन्फ़िगर करें और मॉडल की टूल तथा संदर्भ सीमाएँ परखें। परियोजना की जाँच चलाने से पहले स्रोत पैच और प्रस्तावित परीक्षण, दोनों देखें। स्वतंत्र अपेक्षाएँ बनाए रखें और कमियाँ बताएँ। सफल परिणाम तभी उपयोगी प्रमाण है जब परीक्षण उस अनुबंध को परखें जिसे आप सुरक्षित रखना या बदलना चाहते थे।
प्रस्तावित संख्यात्मक परीक्षण समूह का आकलन
- गैर-घटता क्रम जाँचना पर्याप्त क्यों नहीं?
कई आउटपुट क्रमबद्ध होकर भी आवश्यक फिट नहीं हो सकते। छोटे स्वतंत्र रूप से गणना किए अपेक्षित परिणाम और आउटपुट लंबाई जैसे अन्य अनुबंध गुण लें। परीक्षण समूह को प्रमाण मानने से पहले पूछें कि हर जाँच कौन सी कार्यान्वयन गलती पकड़ेगी।
- क्या पहले से क्रमबद्ध इनपुट परीक्षणों में होना चाहिए?
हाँ, जब अपेक्षित व्यवहार उसे सुरक्षित रखना हो। ऐसा मामला अनावश्यक बदलाव या इंडेक्स गलतियाँ दिखा सकता है। अपेक्षित मान स्पष्ट दें और दोहराई प्रविष्टियाँ लें ताकि कड़ाई से बढ़ते इनपुट के साथ समानता भी परखी जाए।
- क्या सहायक कोड और परीक्षण दोनों लिख सकता है?
उपलब्ध टूल के भीतर वह दोनों सुझा सकता है, लेकिन उनके तर्क स्वतंत्र रूप से जाँचें। एक ही गलत मान्यता से बने परीक्षण दोषपूर्ण कार्यान्वयन से सहमत हो सकते हैं। अपेक्षित परिणामों के आधार के लिए बाहरी आवश्यकताएँ या हाथ से जाँचे उदाहरण लें।
- अधूरा सत्यापन कैसे बताएँ?
वास्तव में चलाई जाँचों को प्रस्तावित जाँचों और अनसुलझी मान्यताओं से अलग बताएँ। आउटपुट की अनुपस्थिति को सफलता मानने के बजाय विफलताएँ और परिवेश की सीमाएँ शामिल करें। इससे अगले समीक्षक को स्पष्ट पता चलता है कि पैच क्या दर्शाता है और क्या अनिश्चित है।
OrderSaffron · अद्यतन 2026-10-25