Mô hình
Cấu hình endpoint tương thích OpenAI hoặc Anthropic bằng URL cơ sở và khóa API nếu cần. Kiểm tra kết nối. Máy chủ mô hình cục bộ phải đang chạy; công cụ từ xa có thể truyền dữ liệu riêng.
Không gian lập trình với AI
Bước suy giảm Runge–Kutta
Tích phân suy giảm mũ vô hướng bằng tối đa 1000 bước Runge–Kutta cổ điển với đầu vào hữu hạn có giới hạn.
● ● ●DecayMarsh●
Quy trình · Bước suy giảm Runge–Kutta ×
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✳Tích phân suy giảm mũ vô hướng bằng tối đa 1000 bước Runge–Kutta cổ điển với đầu vào hữu hạn có giới hạn.
✓ Thay đổiKiểm tra trước khi áp dụng ↗
Minh họa không gian làm việc
Dự án
Kiểm tra không bước và tốc độ không, từ chối tốc độ hay bước thời gian âm cùng tích của chúng vượt một.
Kiểm tra trước khi áp dụng
So sánh hành vi thực tế với kết quả mong đợi. Nếu kiểm tra thất bại, tìm nguyên nhân trước khi sửa tiếp.
Quy trình
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 yCho cập nhật số một tham chiếu ngoài đầu ra có vẻ hợp lý
Kết quả số có thể trông hợp lý trong khi lệch khỏi hành vi ứng dụng muốn mô hình hóa. DecayMarsh cung cấp không gian lập trình AI trên Windows để xem xét rủi ro đó trong mã nguồn. Mở dự án và thảo luận quy tắc cập nhật, tham số chấp nhận và kết quả tham chiếu trước khi yêu cầu mô hình kết nối thay đổi triển khai.
Ví dụ, yêu cầu rà soát các bước Runge–Kutta có giới hạn cho phép tính suy giảm. Cho xem các biểu thức độ dốc, giải thích khoảng thời gian và số bước mong muốn. Yêu cầu mô hình kiểm tra cách giá trị trung gian đưa vào độ dốc tiếp theo, rồi liên hệ giá trị cuối với tham chiếu được tính độc lập cho trường hợp đơn giản.
Giữ ranh giới ứng dụng trong phạm vi rà soát. Giới hạn tham số, không bước và giá trị số không hợp lệ cần hành vi có chủ đích, nhất là khi đầu vào đến từ biểu mẫu hoặc tệp cấu hình. Kiểm tra bản so sánh thay đổi và chạy kiểm tra cho trường hợp thông thường lẫn giới hạn. Mô tả rõ dung sai so sánh để khẳng định kiểm thử đạt có ý nghĩa số học rõ ràng.
DecayMarsh hỗ trợ điểm cuối mô hình tương thích OpenAI hoặc Anthropic, bao gồm mô hình AI không kiểm duyệt nếu có. Mô hình và máy chủ được chọn quyết định khả năng và giới hạn ngữ cảnh. Dùng cuộc trao đổi làm rõ giả định và chuẩn bị thay đổi, còn việc thực thi dự án và so sánh tham chiếu xác lập triển khai có đáp ứng yêu cầu hay không.
Cho cập nhật số một tham chiếu ngoài đầu ra có vẻ hợp lý — câu hỏi trước khi sửa
Tham chiếu nào nên đi kèm rà soát mã suy giảm?
Dùng trường hợp có kết quả biết độc lập và nêu dung sai so sánh. Bao gồm tham số và số bước. Triển khai thứ hai sao chép cùng biểu thức có thể lặp lại cùng sai sót thay vì cung cấp bằng chứng độc lập.
Không bước nên trả về gì?
Nêu trực tiếp quy ước và xác minh trong mã gọi. Với cập nhật theo bước, giữ giá trị ban đầu là trường hợp kỳ vọng hữu ích để thảo luận. Kiểm tra xác thực đề xuất không vô tình từ chối yêu cầu không bước được phép.
Tại sao kiểm tra độ dốc trung gian thay vì chỉ kết quả?
Quan hệ phụ thuộc trung gian sai đôi khi vẫn tạo số cuối trông hợp lý. Yêu cầu mô hình lần theo trường hợp ngắn qua các biểu thức và so sánh với mã nguồn. Sau đó chạy các kiểm tra số học liên quan trong môi trường của bạn.
Mô hình có thể chọn dung sai sai số giúp tôi không?
Nó có thể thảo luận đề xuất, nhưng dung sai phải phản ánh nhu cầu ứng dụng và phép tính. Ghi lại quy tắc so sánh đã chọn cùng lý do. Tránh chấp nhận ngưỡng lỏng tùy ý chỉ vì nó làm kiểm thử đạt.
DecayMarsh · Cập nhật 2026-10-25