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.
مساحة عمل برمجية بالذكاء الاصطناعي
خطوات اضمحلال رونغ–كوتا
أجرِ تكاملًا عدديًا لاضمحلال أسي قياسي بما يصل إلى 1000 خطوة رونغ–كوتا كلاسيكية باستخدام مدخلات منتهية ومحدودة.
● ● ●DecayMarsh●
سير العمل · خطوات اضمحلال رونغ–كوتا ×
def decay_steps(initial, rate, dt, steps):
if any(type(v) not in (int, float) for v in (initial, rate, dt)):
raise ValueError("decay.numeric")
if not -10**6 <= initial <= 10**6 or not 0 <= rate <= 1000 or not 0 <= dt <= 1 or rate * dt > 1:
raise ValueError("decay.range")
if type(steps) is not int or not 0 <= steps <= 1000:
raise ValueError("decay.steps")
y = float(initial)
for _ in range(steps):
k1 = -rate * y
k2 = -rate * (y + dt*k1/2)
k3 = -rate * (y + dt*k2/2)
k4 = -rate * (y + dt*k3)
y += dt*(k1 + 2*k2 + 2*k3 + k4)/6
return y✳أجرِ تكاملًا عدديًا لاضمحلال أسي قياسي بما يصل إلى 1000 خطوة رونغ–كوتا كلاسيكية باستخدام مدخلات منتهية ومحدودة.
✓ التغييراتراجع قبل التطبيق ↗
رسم توضيحي لمساحة العمل
المشروع
اختبر صفر خطوات ومعدلًا صفريًا وارفض المعدل أو الخطوة الزمنية السالبة وحاصل ضربهما الأكبر من واحد.
راجع قبل التطبيق
قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية.
سير العمل
def decay_steps(initial, rate, dt, steps):
if any(type(v) not in (int, float) for v in (initial, rate, dt)):
raise ValueError("decay.numeric")
if not -10**6 <= initial <= 10**6 or not 0 <= rate <= 1000 or not 0 <= dt <= 1 or rate * dt > 1:
raise ValueError("decay.range")
if type(steps) is not int or not 0 <= steps <= 1000:
raise ValueError("decay.steps")
y = float(initial)
for _ in range(steps):
k1 = -rate * y
k2 = -rate * (y + dt*k1/2)
k3 = -rate * (y + dt*k2/2)
k4 = -rate * (y + dt*k3)
y += dt*(k1 + 2*k2 + 2*k3 + k4)/6
return yامنح التحديثات العددية مرجعاً يتجاوز معقولية المخرجات
قد تبدو النتيجة العددية معقولة بينما تنحرف عن السلوك الذي يقصد التطبيق نمذجته. يوفر DecayMarsh مساحة عمل للبرمجة بالذكاء الاصطناعي على Windows لفحص هذا الخطر في المصدر. افتح المشروع وناقش قاعدة التحديث والمعلمات المقبولة والنتيجة المرجعية قبل طلب تغيير التنفيذ من نموذج متصل.
مثلاً، اطلب مراجعة خطوات رونج–كوتا محدودة لحساب الاضمحلال. اعرض تعبيرات الميل واشرح الفترة وعدد الخطوات المقصودين. اطلب من النموذج فحص كيفية تغذية القيم الوسيطة للميل التالي، ثم ربط القيمة النهائية بمرجع محسوب بصورة مستقلة لحالة بسيطة.
أبقِ حدود التطبيق جزءاً من المراجعة. تحتاج حدود المعلمات والخطوات الصفرية والقيم العددية غير الصالحة إلى سلوك مقصود، خصوصاً عندما تصل المدخلات من نموذج أو ملف إعداد. افحص الفروق المقترحة وشغّل فحوص الحالات العادية والحدية. صف سماحات المقارنة صراحة كي يكون لنجاح التحقق معنى عددي واضح.
يدعم DecayMarsh نقاط نهاية نماذج متوافقة مع OpenAI أو نقاط نهاية Anthropic، بما فيها نموذج ذكاء اصطناعي بلا رقابة عند توفره. يحدد النموذج والخادم المختاران القدرات وحدود السياق. استخدم المحادثة لإظهار الافتراضات وإعداد التغييرات، بينما يثبت تنفيذ المشروع والمقارنة المرجعية ما إذا كان التنفيذ يفي بالمتطلبات.
مرجع للتحديثات العددية يتجاوز معقولية المخرجات — أسئلة قبل التعديل
أي مرجع ينبغي أن يرافق مراجعة شيفرة الاضمحلال؟
استخدم حالة ذات نتيجة معروفة بصورة مستقلة وحدد سماح المقارنة. أدرج المعلمات وعدد الخطوات. قد يكرر تنفيذ ثانٍ منسوخ من التعبيرات نفسها الخطأ ذاته بدلاً من تقديم دليل مستقل.
ماذا ينبغي أن تعيد صفر خطوة؟
حدد العقد مباشرة وتحقق منه لدى المستدعي. في تحديث قائم على الخطوات، يعد الاحتفاظ بالقيمة الابتدائية حالة متوقعة مفيدة للنقاش. تحقق من ألا يرفض التحقق المقترح طلباً مسموحاً بصفر خطوة عن طريق الخطأ.
لماذا نفحص الميول الوسيطة بدلاً من النتيجة فقط؟
قد تنتج تبعية وسيطة خاطئة أحياناً رقماً نهائياً معقولاً. اطلب من النموذج تتبع حالة قصيرة عبر التعبيرات ومقارنتها بالمصدر. ثم شغّل الفحوص العددية ذات الصلة في بيئتك.
هل يمكن للنموذج اختيار سماح الخطأ نيابة عني؟
يمكنه مناقشة اقتراح، لكن ينبغي أن يعكس السماح احتياجات تطبيقك والحساب. سجل قاعدة المقارنة المختارة ومبرراتها. تجنب قبول عتبة متساهلة اعتباطية لمجرد أنها تجعل الاختبار ينجح.
DecayMarsh · آخر تحديث 2026-10-25