Adună cel mult 1000 de numere finite cu modul până la 1e100 folosind compensare.
def compensated_sum(values):
values = tuple(values)
if len(values) > 1000 or any(type(v) not in (int, float) or
not -1e100 <= v <= 1e100 for v in values):
raise ValueError("values.range")
total = correction = 0.0
for value in values:
value = float(value)
next_total = total + value
correction += ((total - next_total) + value if abs(total) >= abs(value)
else (value - next_total) + total)
total = next_total
return total + correctiondef compensated_sum(values):
values = tuple(values)
if len(values) > 1000 or any(type(v) not in (int, float) or
not -1e100 <= v <= 1e100 for v in values):
raise ValueError("values.range")
total = correction = 0.0
for value in values:
value = float(value)
next_total = total + value
correction += ((total - next_total) + value if abs(total) >= abs(value)
else (value - next_total) + total)
total = next_total
return total + correctionO mică diferență într-un rezultat numeric poate proveni din pregătirea intrărilor, ordinea calculului sau reprezentarea folosită pe parcurs. SumHarrier este un spațiu de lucru Windows pentru programare cu IA, destinat investigării acestor posibilități în proiect. Adu intrări reprezentative și explică precizia necesară aplicației. Cere asistentului să inspecteze calculul și consumatorii lui înainte de a sugera că o singură schimbare aritmetică va rezolva discrepanța.
Exemplul de sumă compensată oferă o sarcină delimitată de discutat. Poți examina intervalul de intrare acceptat, conversia în virgulă mobilă și rezultatul folosit de codul ulterior. Cere o propunere cu cazuri clare de comparație și verifică efectul asupra așteptărilor de precizie ale aplicației. Separă rezultatele măsurate de numele metodei: prezența unei variabile de corecție nu dovedește că fiecare rezultat respectă cerința.
Selectează un model IA cu cenzura eliminată printr-un endpoint compatibil OpenAI sau Anthropic acceptat, unde este disponibil, furnizând date de autentificare după necesitate. Modelul și serverul determină restricțiile, contextul și instrumentele. Verifică editările, rulează testele numerice ale proiectului și compară cu o referință adecvată. Un server local de modele care rulează separat nu face toate instrumentele locale și nu înlocuiește testarea în mediul de execuție care va efectua calculul.
Include intrările exacte, rezultatul așteptat sau metoda de referință, rezultatul observat și toleranța aplicației. Identifică mediul de execuție și etapele de conversie. Astfel investigația are un obiectiv concret, fără a trata orice mică diferență numerică drept aceeași problemă.
Nu deduce asta din exemplu. Acesta lucrează în continuare cu valori în virgulă mobilă și un contract declarat al intrărilor. Dacă aplicația cere cantități exacte, explicitează cerința înainte de a alege reprezentarea sau a accepta implementarea propusă.
Rotunjirea, formatarea sau comparațiile cu praguri din etapele ulterioare pot modifica comportamentul vizibil. Verifică aceste utilizări înainte de a presupune că acumulatorul este responsabil. Verificarea de acceptare trebuie să acopere decizia luată de aplicație cu totalul, nu doar valoarea returnată de funcția auxiliară.
Folosește aceleași intrări reprezentative și o referință adecvată, înregistrând erorile și condițiile de execuție. Rulează și verificările existente ale proiectului. Alege conform cerințelor aplicației, nu descrierii încrezătoare a unui model despre calitatea numerică.
SumHarrier · Actualizat 2026-10-25