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.
وزع حتى 4096 قيمة منتهية على حدين إلى 257 حداً متزايداً بدقة ضمن ±10^100.
import bisect, math
def histogram(edges, values):
if type(edges) is not list or type(values) is not list or not 2 <= len(edges) <= 257 or len(values) > 4096:
raise ValueError("bins.shape")
if any(type(x) not in (int, float) or not -10**100 <= x <= 10**100 or not math.isfinite(x) for x in edges+values):
raise ValueError("bins.value")
if any(a >= b for a, b in zip(edges, edges[1:])):
raise ValueError("bins.edges")
counts, under, over = [0]*(len(edges)-1), 0, 0
for value in values:
if value < edges[0]:
under += 1
elif value > edges[-1]:
over += 1
else:
counts[min(bisect.bisect_right(edges, value)-1, len(counts)-1)] += 1
return counts, under, over
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.
اختبر المساواة بالحدود والمدخل الفارغ والشواذ وأدخل الحد الأخير واحسب القيم خارج المجال دون تغيير القائمتين.
قارن السلوك الفعلي بالنتيجة المتوقعة. إذا فشل فحص، تحقّق من السبب قبل إجراء تغييرات إضافية.
import bisect, math
def histogram(edges, values):
if type(edges) is not list or type(values) is not list or not 2 <= len(edges) <= 257 or len(values) > 4096:
raise ValueError("bins.shape")
if any(type(x) not in (int, float) or not -10**100 <= x <= 10**100 or not math.isfinite(x) for x in edges+values):
raise ValueError("bins.value")
if any(a >= b for a, b in zip(edges, edges[1:])):
raise ValueError("bins.edges")
counts, under, over = [0]*(len(edges)-1), 0, 0
for value in values:
if value < edges[0]:
under += 1
elif value > edges[-1]:
over += 1
else:
counts[min(bisect.bisect_right(edges, value)-1, len(counts)-1)] += 1
return counts, under, over
قد يبدو المدرج التكراري موثوقا بينما يسند المشاهدات الحدية إلى الفئة الخاطئة. يمنح BinOriole شيفرة معالجة البيانات مساحة عمل للبرمجة بالذكاء الاصطناعي على Windows يمكن فيها فحص هذه الخيارات قبل تفسير النتائج. افتح مجلد المشروع وناقش تعريفات الفئات إلى جانب الدالة التي تعد المشاهدات.
مثلا، اطلب من النموذج المتصل مراجعة إسناد القيم المساوية لحد فئة تماما. قدّم قائمة صغيرة تضم قيمة عند حد داخلي والحد الأخير ومشاهدات خارج النطاق. حدّد الأعداد المتوقعة وكيفية الإبلاغ عن القيم دون النطاق وفوقه، كي يجيب التعديل المقترح عن عقد ملموس.
تتبّع هذه المخرجات إلى المخطط أو التقرير الذي يستهلكها. قد يعرض مستدعٍ يسقط أعداد القيم خارج النطاق مجموعا مضللا حتى عندما تعمل دالة التصنيف كما صُممت. راجع تعديلات المصدر وشغّل حالات اختبار تربط كل مشاهدة بفئة مبلغ عنها. أدرج المدخلات غير المنتهية المرفوضة وترتيب الحدود غير الصحيح في مراجعة الحدود.
يدعم BinOriole اتصالات نقاط متوافقة مع OpenAI أو تابعة لـ Anthropic. يمكنك اختيار نموذج ذكاء اصطناعي بلا رقابة توفره خدمتك المضبوطة، بينما يظل السلوك الفعلي والسياق ودعم الأدوات معتمدا على ذلك الإعداد. تساعد المحادثة على إعداد ترقيع؛ وتحدد أمثلتك المتحقق منها واختبارات تطبيقك جاهزية الأعداد للاستخدام.
أدرج قيمة دون النطاق وكل حد ذي صلة وقيمة داخلية عادية وقيمة فوق النطاق. اكتب الإسناد المتوقع صراحة. يكشف ذلك قرارات الأطراف التي قد تخفيها مجموعة بيانات عشوائية كبيرة.
قد يُشمل الحد الأخير حتى عندما تستخدم الفئات الداخلية اصطلاح حدود مختلفا. حدّد هذه القاعدة في الطلب واختبرها مباشرة. وإلا فقد تنقل إعادة الهيكلة أكبر مشاهدة إلى فئة القيم فوق النطاق دون قصد.
طابق مجموع أعداد الفئات وأعداد القيم خارج النطاق مع عدد المدخلات المقبولة. ثم تحقق من الإسنادات الفردية بحالة اختبار صغيرة. قد يخفي تطابق المجموع وحده مشاهدات موضوعة في فئات خاطئة.
فقط إذا كان هذا التحويل جزءا من عقد التطبيق. قد يخفي الترتيب مشكلة إعداد سابقة أو يغيّر معنى الفئات. راجع مسار التحقق الحالي وكيف يبلغ المستدعي عن الفشل قبل قبول مثل هذا المقترح.
BinOriole · آخر تحديث 2026-10-25