Моделі
Налаштуйте OpenAI-сумісний або Anthropic endpoint із базовою URL-адресою та API-ключем, якщо він потрібен. Перевірте з’єднання. Локальний сервер моделі має працювати; віддалені інструменти можуть окремо передавати дані.
Робоче середовище з ШІ для коду
Ненормоване медіанне абсолютне відхилення
Поверніть медіану та ненормоване медіанне абсолютне відхилення для 1–4096 скінченних чисел у межах ±10^100.
● ● ●MedianRove●
Сценарії · Ненормоване медіанне абсолютне відхилення ×
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])
✳Ненормоване медіанне абсолютне відхилення
✓ ЗміниПеревірте перед застосуванням ↗
Ілюстрація робочого середовища
Проєкт
Перевірте парні довжини, рівні значення й викид, відхиляючи логічні та нескінченні значення без зміни порядку вводу.
Перевірте перед застосуванням
Порівняйте фактичну поведінку з очікуваним результатом. Якщо перевірка не проходить, з’ясуйте причину перед наступними змінами.
Сценарії
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])
Нехай статистичні функції повідомляють саме задуману величину
Дві функції можуть називати свій результат мірою розсіювання, повертаючи величини з різним змістом. MedianRove — програмне забезпечення з ШІ для програмування у Windows, яке допомагає перевіряти ці відмінності у проєкті. Додайте до обговорення допоміжну функцію, код виклику й малий еталонний набір даних, щоб зміна зберігала статистику, яку програма справді використовує.
Практичне завдання — перевірка обчислення немасштабованого медіанного абсолютного відхилення. Попросіть підключену модель дослідити правило медіани для входів парної довжини та обробку викиду. Зазначте, чи виконується масштабування деінде в програмі, щоб перевірка непомітно не запровадила інший результат під тією самою назвою функції.
Простежте результат до відображення, порогів або збережених записів. Числова зміна може впливати на рішення поза допоміжною функцією, навіть коли тип повернення не змінюється. Перевірте скінченність значень і допустимий діапазон розміру, а потім запустіть незалежно перевірені приклади у своєму середовищі виконання. Додайте перевірку порядку входу, якщо код виклику очікує, що початкова колекція залишиться незмінною.
MedianRove підключається до підтримуваних кінцевих точок, сумісних з OpenAI, або Anthropic. Аблітеровану модель ШІ можна вибрати, коли її пропонує служба; поведінка й підтримка інструментів визначаються моделлю та сервером. Її пояснення допомагають перевірці, а очікування щодо набору даних і тести проєкту визначають придатність виправлення.
Задумана статистична величина — запитання перед редагуванням
Навіщо вказувати немасштабоване відхилення в запиті?
Масштабування змінює повернену величину й може впливати на подальші пороги. Зазначте, яку статистику обіцяє функція, та перевірте додаткові перетворення в коді виклику. Рефакторинг не має непомітно змінювати тлумачення зі збереженням тієї самої назви.
Який набір даних робить обговорення викиду конкретним?
Використайте короткий набір із чіткою центральною групою та одним віддаленим значенням, а також незалежно обчисленими медіаною й відхиленням. Додайте випадок парної довжини, щоб виявити правило медіани. Не покладайтеся лише на випадкові дані.
Чи можна дозволити сортуванню змінювати вхід?
Зробіть це правило володіння даними явним. Якщо код виклику повторно використовує початковий порядок, сортування на місці може створити сторонній дефект. Перевірте реалізацію та вхід після виконання, а не лише повернену статистику.
Які некоректні значення слід розглянути під час перевірки?
Використовуйте заявлений контракт типів, розміру й скінченних чисел функції. Попросіть модель зберегти або свідомо переглянути кожну межу, потім протестуйте відхилення та обробку кодом виклику. Не вважайте правдоподібну статистику виправданням некоректного входу.
MedianRove · Оновлено 2026-10-25