Změřte vzdálenost v reprezentovatelných krocích mezi dvěma konečnými hodnotami binary64 se shodou znaménkových nul.
import math, struct
def ulp_distance(a, b):
if any(type(x) is not float or not math.isfinite(x) for x in (a, b)):
raise ValueError("ulp.finite")
def key(value):
bits = struct.unpack(">Q", struct.pack(">d", value))[0]
magnitude = bits & ((1 << 63)-1)
return (1 << 63)-magnitude if bits >> 63 else (1 << 63)+magnitude
return abs(key(a)-key(b))
import math, struct
def ulp_distance(a, b):
if any(type(x) is not float or not math.isfinite(x) for x in (a, b)):
raise ValueError("ulp.finite")
def key(value):
bits = struct.unpack(">Q", struct.pack(">d", value))[0]
magnitude = bits & ((1 << 63)-1)
return (1 << 63)-magnitude if bits >> 63 else (1 << 63)+magnitude
return abs(key(a)-key(b))
Dva číselné výstupy se mohou vypsat stejně, a přesto se lišit v základní reprezentaci. UlpNacre poskytuje programovací prostředí s AI pro Windows ke zkoumání, zda tento rozdíl pro aplikaci něco znamená. Dodejte skutečné vstupy, výpočet a porovnání, které vyvolaly pochybnosti. Než nahradíte kontrolu rovnosti jiným pravidlem, nechte asistenta prozkoumat vznik a vyhodnocování hodnot.
Příklad vzdálenosti reprezentací čísel s plovoucí řádovou čárkou nabízí jednu možnou úlohu. Můžete prozkoumat konečné vstupy a nulu se znaménkem a potom probrat, jak má výsledek vzdálenosti ovlivnit test či diagnostiku. Rozhodnutí aplikace o toleranci oddělte od samotného měření. Zdrojový příklad je v Pythonu; název domény nedokládá debugger určený pro PHP ani platnost jeho předpokladů v každém numerickém běhovém prostředí.
Přes podporovaný koncový bod kompatibilní s OpenAI nebo koncový bod Anthropic zvolte dostupný abliterovaný model AI, podle potřeby s přihlašovacími údaji. Kontext, nástroje a omezení závisejí na tomto modelu a serveru. Posuďte navržený porovnávací kód a spusťte jej s reprezentativními hodnotami relevantními pro aplikaci. Samostatný lokální modelový server zajišťuje inferenci, zatímco připojené nástroje mohou nadále pracovat prostřednictvím externích služeb.
To je požadavek aplikace, nikoli závěr vyplývající z měření. Zvažte využití hodnoty a definujte přijatelné pravidlo porovnávání. Požadujte vysvětlení mezí návrhu a testujte hodnoty poblíž rozhodovacích hranic, které software skutečně používá.
Původ může vysvětlit rozdíl hodnot i to, zda je odchylka očekávaná. Před změnou závěrečného porovnání prověřte převody a operace. Pokud výpočetní cesta zůstane nevysvětlena, nová tolerance může skrýt chybu jinde.
Ne. Jeho specifikace přijímá konečné vstupy s plovoucí řádovou čárkou a ostatní hodnoty potřebují výslovné pravidlo. Při kontrole ponechte odmítané vstupy viditelné místo předpokladu, že pomocná funkce vzdálenosti reprezentací pokrývá každý číselný typ či výjimečnou hodnotu.
Ověřte číselnou reprezentaci prostředí, chování převodů a dostupné operace. Znovu v něm vytvořte relevantní hraniční případy. Dodaný příklad v Pythonu je výchozím bodem zkoumání, nikoli důkazem, že neotestovaný převod má stejné chování.
UlpNacre · Aktualizováno 2026-10-25
