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.
Vraťte medián a neškálovanou mediánovou absolutní odchylku 1–4096 konečných čísel v mezích ±10^100.
import math
def median_deviation(values):
if type(values) is not list or not 1 <= len(values) <= 4096:
raise ValueError("mad.input")
if any(type(x) not in (int, float) or not -10**100 <= x <= 10**100 or not math.isfinite(x) for x in values):
raise ValueError("mad.value")
def median(items):
ordered = sorted(items)
n = len(ordered)
return float(ordered[n//2]) if n % 2 else ordered[n//2-1]/2+ordered[n//2]/2
center = median(values)
return center, median([abs(x-center) for x in values])
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.
Otestujte sudé délky, shodné hodnoty a odlehlý bod, odmítněte logické či nekonečné hodnoty bez změny vstupního pořadí.
Porovnejte skutečné chování s očekávaným výsledkem. Pokud kontrola selže, před dalšími změnami zjistěte příčinu.
import math
def median_deviation(values):
if type(values) is not list or not 1 <= len(values) <= 4096:
raise ValueError("mad.input")
if any(type(x) not in (int, float) or not -10**100 <= x <= 10**100 or not math.isfinite(x) for x in values):
raise ValueError("mad.value")
def median(items):
ordered = sorted(items)
n = len(ordered)
return float(ordered[n//2]) if n % 2 else ordered[n//2-1]/2+ordered[n//2]/2
center = median(values)
return center, median([abs(x-center) for x in values])
Dvě funkce mohou obě tvrdit, že měří rozptýlení, a přitom vracet veličiny s odlišným významem. MedianRove je software pro programování s AI ve Windows pro kontrolu těchto rozdílů ve vašem projektu. Do konverzace vložte pomocnou funkci, jejího volajícího a malý referenční soubor dat, aby navržená změna zachovala statistiku, kterou aplikace skutečně používá.
Praktickou úlohou je kontrola výpočtu neškálované mediánové absolutní odchylky. Požádejte připojený model, aby prověřil konvenci mediánu pro sudý počet vstupů a zpracování odlehlé hodnoty. Určete, zda případné škálování patří jinam v aplikaci, aby kontrola tiše nezavedla jiný výstup pod stejným názvem funkce.
Sledujte výsledek do zobrazení, prahových hodnot či uložených záznamů. Číselná změna může ovlivnit rozhodování mimo pomocnou funkci, i když návratový typ zůstává stejný. Prověřte kontroly konečnosti hodnot a přijímaný rozsah velikostí, potom ve svém běhovém prostředí spusťte nezávisle ověřená testovací data. Pokud volající očekává původní kolekci beze změny, zahrňte kontrolu pořadí vstupu.
MedianRove se připojuje k podporovaným koncovým bodům kompatibilním s OpenAI nebo Anthropic. Abliterovaný model AI lze zvolit, pokud jej služba nabízí; chování a podporu nástrojů určuje model a server. Jeho vysvětlení podporují kontrolu; vhodnost úpravy určují očekávání k datům a projektové testy.
Škálování mění vrácenou veličinu a může ovlivnit navazující prahy. Určete, jakou statistiku pomocná funkce slibuje, a prověřte další transformace ve volajících. Refaktoring by neměl tiše měnit interpretaci při zachování stejného názvu.
Použijte krátký soubor s jasným centrálním shlukem a jednou vzdálenou hodnotou spolu s nezávisle vypočteným mediánem a odchylkou. Přidejte případ se sudým počtem hodnot, který odhalí konvenci mediánu. Nespoléhejte pouze na náhodná data.
Pravidlo vlastnictví určete výslovně. Pokud volající znovu používají původní pořadí, řazení na místě může vytvořit nesouvisející chybu. Prověřte implementaci a po spuštění zkontrolujte vstup i vrácenou statistiku.
Použijte stanovený kontrakt typů, velikosti a konečných čísel pomocné funkce. Požádejte model, aby každou mez zachoval nebo záměrně upravil, a pak otestujte odmítnutí a zpracování volajícím. Nepředpokládejte, že věrohodná statistika činí chybný vstup přijatelným.
MedianRove · Aktualizováno 2026-10-25