모델
기본 URL과 필요한 API 키로 OpenAI 호환 또는 Anthropic 엔드포인트를 설정하고 연결을 테스트하세요. 로컬 모델 서버는 실행 중이어야 합니다. 원격 도구는 데이터를 별도로 전송할 수 있습니다.
AI 코딩 작업 공간
룽게–쿠타 감쇠 단계
유한하고 범위가 제한된 입력으로 최대 1000회의 고전 룽게–쿠타 단계를 통해 스칼라 지수 감쇠를 적분합니다.
● ● ●DecayMarsh●
작업 흐름 · 룽게–쿠타 감쇠 단계 ×
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✳유한하고 범위가 제한된 입력으로 최대 1000회의 고전 룽게–쿠타 단계를 통해 스칼라 지수 감쇠를 적분합니다.
✓ 변경 사항적용하기 전에 검토하세요 ↗
작업 공간 예시 화면
프로젝트
0회와 감쇠율 0을 시험하고 음수 감쇠율이나 시간 간격 및 두 값의 곱이 1을 넘는 경우를 거부합니다.
적용하기 전에 검토하세요
실제 동작을 예상 결과와 비교하세요. 검사가 실패하면 다음 변경을 하기 전에 원인을 조사하세요.
작업 흐름
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 y그럴듯한 출력 이상의 기준을 수치 갱신에 제공하세요
수치 결과가 합리적으로 보여도 애플리케이션이 모델링하려는 동작에서 벗어날 수 있습니다. DecayMarsh는 소스에서 이 위험을 살펴보는 Windows용 AI 코딩 작업 공간입니다. 연결한 모델에 구현 변경을 요청하기 전에 프로젝트를 열고 갱신 규칙, 허용 매개변수, 기준 결과를 논의하세요.
예를 들어 감쇠 계산의 범위가 제한된 룽게쿠타 단계 검토를 요청하세요. 기울기 식을 보여 주고 의도한 구간과 단계 수를 설명하세요. 중간값이 다음 기울기에 어떻게 쓰이는지 살펴보도록 모델에 요청한 뒤 간단한 사례에서 최종값을 독립적으로 계산한 기준값과 연결해 보세요.
애플리케이션 경계도 검토에 포함하세요. 특히 입력이 폼이나 설정 파일에서 온다면 매개변수 한계, 0단계, 잘못된 수치에 대한 동작을 의도적으로 정해야 합니다. 제안된 차이를 살펴보고 일반 및 한계 사례 검사를 실행하세요. 통과한 단언의 수치적 의미가 명확하도록 비교 허용 오차를 명시하세요.
DecayMarsh는 OpenAI 호환 또는 Anthropic 모델 엔드포인트를 지원하며, 제공되는 무검열 AI 모델도 포함합니다. 선택한 모델과 서버가 기능 및 컨텍스트 한계를 결정합니다. 대화로 가정을 드러내고 변경을 준비하되, 구현이 요구 사항을 충족하는지는 프로젝트 실행과 기준값 비교로 입증하세요.
그럴듯한 출력 이상의 기준을 수치 갱신에 제공하세요 — 수정 전 질문
감쇠 코드 검토에는 어떤 기준이 필요한가요?
결과를 독립적으로 아는 사례를 사용하고 비교 허용 오차를 명시하세요. 매개변수와 단계 수를 포함하세요. 같은 식을 복사한 두 번째 구현은 독립적인 증거 대신 동일한 오류를 반복할 수 있습니다.
0단계는 무엇을 반환해야 하나요?
계약을 직접 명시하고 호출 코드에서 검증하세요. 단계 기반 갱신에서는 초기값 유지가 논의할 만한 유용한 예상 사례입니다. 검증 제안이 허용된 0단계 요청을 실수로 거부하지 않는지 확인하세요.
결과뿐 아니라 중간 기울기도 살펴보는 이유는 무엇인가요?
중간 의존성이 잘못되어도 가끔 그럴듯한 최종 숫자가 나올 수 있습니다. 짧은 사례를 식에 따라 추적하고 소스와 비교하도록 모델에 요청하세요. 그런 다음 자신의 환경에서 관련 수치 검사를 실행하세요.
모델이 허용 오차를 대신 선택할 수 있나요?
제안을 논의할 수는 있지만 허용 오차는 애플리케이션 요구와 계산을 반영해야 합니다. 선택한 비교 규칙과 근거를 기록하세요. 테스트를 통과시킨다는 이유만으로 임의의 느슨한 기준을 수용하지 마세요.
DecayMarsh · 업데이트 2026-10-25