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.
Pracovní prostředí s AI pro kód
Kroky poklesu Rungeho–Kutty
Integrujte skalární exponenciální pokles nejvýše 1000 klasickými kroky Rungeho–Kutty s konečnými omezenými vstupy.
● ● ●DecayMarsh●
Pracovní postupy · Kroky poklesu Rungeho–Kutty ×
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✳Integrujte skalární exponenciální pokles nejvýše 1000 klasickými kroky Rungeho–Kutty s konečnými omezenými vstupy.
✓ ZměnyPřed použitím zkontrolujte ↗
Ilustrace pracovního prostředí
Projekt
Ověřte nula kroků a nulovou rychlost, odmítněte zápornou rychlost či krok a jejich součin nad jedna.
Před použitím zkontrolujte
Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.
Pracovní postupy
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 yDejte numerickým aktualizacím referenci přesahující věrohodný výstup
Numerický výsledek může vypadat rozumně, a přitom se vzdalovat chování, které aplikace zamýšlí modelovat. DecayMarsh nabízí pracovní prostředí pro programování s AI ve Windows pro zkoumání tohoto rizika ve zdrojovém kódu. Než požádáte připojený model o změnu implementace, otevřete projekt a proberte aktualizační pravidlo, přijímané parametry a referenční výsledek.
Například požádejte o kontrolu omezených kroků Runge–Kutta při výpočtu poklesu. Ukažte výrazy pro směrnice a vysvětlete zamýšlený interval a počet kroků. Požádejte model, aby prověřil, jak mezihodnoty vstupují do další směrnice, a poté porovnal konečnou hodnotu s nezávisle vypočtenou referencí pro jednoduchý případ.
Zahrňte do kontroly i hranici aplikace. Limity parametrů, nulový počet kroků a neplatné číselné hodnoty vyžadují záměrně stanovené chování, zejména když vstupy přicházejí z formuláře nebo konfiguračního souboru. Prověřte navržený diff a spusťte kontroly běžných i mezních případů. Výslovně popište tolerance porovnání, aby úspěšná kontrolní podmínka měla jasný numerický význam.
DecayMarsh podporuje koncové body modelů kompatibilní s OpenAI nebo Anthropic, včetně dostupného modelu AI bez cenzury. Vybraný model a server určují schopnosti a limity kontextu. Konverzaci využijte ke zviditelnění předpokladů a přípravě změn; zda implementace splňuje požadavky, stanoví spuštění projektu a porovnání s referencí.
Reference pro numerické aktualizace — otázky před úpravou
Jaká reference má doprovázet kontrolu kódu poklesu?
Použijte případ s nezávisle známým výsledkem a uveďte toleranci porovnání. Přidejte parametry a počet kroků. Druhá implementace zkopírovaná ze stejných výrazů může zopakovat tutéž chybu místo poskytnutí nezávislého důkazu.
Co má vrátit nulový počet kroků?
Kontrakt určete přímo a ověřte jej ve volajícím kódu. U aktualizace po krocích je zachování počáteční hodnoty užitečným očekávaným případem k diskusi. Zkontrolujte, že navržená validace omylem neodmítne povolený požadavek s nulovým počtem kroků.
Proč kontrolovat mezilehlé směrnice místo samotného výsledku?
Nesprávná mezilehlá závislost může někdy dát věrohodné konečné číslo. Požádejte model, aby prošel krátký případ jednotlivými výrazy a porovnal jej se zdrojovým kódem. Poté ve svém prostředí spusťte příslušné numerické kontroly.
Může model zvolit toleranci chyby za mě?
Může prodiskutovat návrh, ale tolerance musí odpovídat potřebám vaší aplikace a výpočtu. Zaznamenejte vybrané pravidlo porovnání a jeho zdůvodnění. Nepřijímejte libovolně volný práh jen proto, že díky němu test projde.
DecayMarsh · Aktualizováno 2026-10-25