الإسقاط الإقليدي على البسيط
أسقط 1–256 قيمة منتهية ضمن ±10^6 على البسيط الوحدي غير السالب.
import math
def simplex_projection(values):
if type(values) is not list or not 1 <= len(values) <= 256:
raise ValueError("simplex.input")
if any(type(x) not in (int, float) or not -10**6 <= x <= 10**6 or not math.isfinite(x) for x in values):
raise ValueError("simplex.value")
ranked = sorted(values, reverse=True)
total, theta = 0.0, 0.0
for count, value in enumerate(ranked, 1):
total += value
candidate = (total-1)/count
if value > candidate:
theta = candidate
return [max(0.0, value-theta) for value in values]
المشروع
اختبر التعادلات وحلول الرؤوس وارفض القيم المنطقية وقارن بسماحية عددية دون اعتبار الأوزان احتمالات معايرة.
راجع قبل التطبيق
قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية.
النماذج
اضبط نقطة اتصال متوافقة مع OpenAI أو Anthropic باستخدام العنوان الأساسي ومفتاح API عند الحاجة. اختبر الاتصال. يجب أن يعمل خادم النموذج المحلي؛ وقد ترسل الأدوات البعيدة البيانات بشكل منفصل.
import math
def simplex_projection(values):
if type(values) is not list or not 1 <= len(values) <= 256:
raise ValueError("simplex.input")
if any(type(x) not in (int, float) or not -10**6 <= x <= 10**6 or not math.isfinite(x) for x in values):
raise ValueError("simplex.value")
ranked = sorted(values, reverse=True)
total, theta = 0.0, 0.0
for count, value in enumerate(ranked, 1):
total += value
candidate = (total-1)/count
if value > candidate:
theta = candidate
return [max(0.0, value-theta) for value in values]
أبقِ القيود العددية واضحة طوال المراجعة
SimplexDune مساحة عمل للبرمجة بالذكاء الاصطناعي على Windows للمطورين الذين يراجعون تحويلات عددية في تطبيق. ابدأ بمجلد المشروع والخصائص التي يجب أن تحققها المخرجات. يساعد النموذج المتصل في فحص ظهور تلك المتطلبات في الشيفرة ومناقشة تغيير محدود، بينما تراجع الاقتراح في ضوء المستهلك الذي يعتمد على النتيجة.
تتعلق مهمة يقترحها simplex_projection.py بتحويل متجه إلى أوزان غير سالبة مجموعها واحد. اطلب من المساعد فحص المدخلات المقبولة وترتيب المخرجات وفحوص نتائج الفاصلة العائمة. قدم متجهات تمثيلية وصف الاستخدام اللاحق. يبقي هذا المثال مرتبطاً بعقد برمجي فعلي بدلاً من معاملة مساحة العمل كمحسّن مدمج أو خدمة تدريب نماذج.
اختر نموذج ذكاء اصطناعي بلا قيود حين يتوفر عبر نقطة نهاية مدعومة متوافقة مع OpenAI أو خاصة بـ Anthropic. اضبط عنوانه وبيانات الاعتماد المطلوبة مع مراعاة سياق الخادم ودعم أدواته. افحص التعديلات المقترحة وشغّل فحوص النتائج المتوقعة وخصائص المخرجات في بيئتك العددية. استخدم سماحاً معلناً عندما لا تلائم المساواة الدقيقة للفاصلة العائمة. ينبغي أن تكشف المحادثة افتراضات التعديل كي تقرر حفاظه على السلوك المطلوب لتطبيقك.
مراجعة مخرجات عددية مقيدة
أي خصائص مخرجات أطلب صراحة؟
حدد الطول والترتيب والإشارات المسموحة والمجموع المتوقع وأي سماح. أدرج متطلبات المستهلك. قد تحقق نتيجة قيداً وتخالف آخر، لذا لا ينبغي أن تنتهي المراجعة عند قيمة إجمالية واحدة.
هل المساواة الدقيقة للواحد اختبار موثوق للفاصلة العائمة؟
ليس في كل حساب. اختر سماحاً مناسباً للعقد العددي وبيئة الاختبار واشرحه في الفحص. اطلب من النموذج تمييز آثار التمثيل عن انتهاك قيد حقيقي بدلاً من إضعاف التحققات بصمت.
هل يعيد التعديل ترتيب المتجه الأصلي؟
فقط إذا سمح عقد المخرجات بذلك. قد يخدم الترتيب الداخلي الحساب بينما يلزم أن تقابل القيم النهائية المواضع الأصلية. راجع المستهلك واختبر مدخلاً تكشف عناصره المتمايزة خطأ الترتيب.
هل يحل فحص الخصائص محل أمثلة النتائج المتوقعة؟
استخدم الاثنين عندما يختبران ادعاءات مختلفة. قد يكون المتجه غير سالب ومجموعه واحداً دون أن يكون الإسقاط المقصود. تساعد النتائج الصغيرة المثبتة مستقلاً في التحقق من التحويل، بينما تغطي الخصائص جوانب أوسع من عقد المخرجات.
SimplexDune · آخر تحديث 2026-10-25