Miss den Abstand darstellbarer Schritte zweier endlicher binary64-Werte mit gleich behandelten vorzeichenbehafteten Nullen.
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))
Zwei numerische Ausgaben können gleich aussehen und sich dennoch in ihrer zugrunde liegenden Darstellung unterscheiden. UlpNacre bietet einen KI-Programmierarbeitsbereich für Windows, um zu untersuchen, ob dieser Unterschied für Ihre Anwendung zählt. Bringen Sie die tatsächlichen Eingaben, die Berechnung und den fraglichen Vergleich mit. Lassen Sie den Assistenten prüfen, wie Werte erzeugt und beurteilt werden, bevor Sie eine Gleichheitsprüfung durch eine andere Regel ersetzen.
Das Beispiel zum Abstand zwischen Gleitkommadarstellungen bietet eine mögliche Aufgabe. Sie könnten endliche Eingaben und vorzeichenbehaftete Null untersuchen und besprechen, wie ein Abstandsergebnis in einen Test oder eine Diagnose einfließen soll. Trennen Sie die Toleranzentscheidung der Anwendung von der Messung selbst. Das Quellbeispiel ist Python; der Domainname belegt keinen PHP-spezifischen Debugger und macht die Annahmen nicht für jede numerische Laufzeit gültig.
Wählen Sie ein verfügbares abliteriertes KI-Modell über einen unterstützten OpenAI-kompatiblen oder Anthropic-Endpunkt, bei Bedarf mit Zugangsdaten. Kontext, Werkzeuge und Einschränkungen hängen von Modell und Server ab. Prüfen Sie den vorgeschlagenen Vergleichscode und führen Sie ihn mit repräsentativen, für Ihre Anwendung relevanten Werten aus. Ein separater lokaler Modellserver übernimmt die Inferenz, während verbundene Werkzeuge weiterhin externe Dienste nutzen können.
Das ist eine Anwendungsanforderung, keine Schlussfolgerung aus der Messung. Berücksichtigen Sie die Verwendung des Werts und definieren Sie eine zulässige Vergleichsregel. Lassen Sie die Grenzen des Vorschlags erklären und testen Sie Werte nahe den Entscheidungen, die Ihre Software tatsächlich trifft.
Ihr Ursprung kann erklären, warum Werte abweichen und ob die Abweichung erwartet ist. Prüfen Sie Umwandlungen und Operationen, bevor Sie den abschließenden Vergleich ändern. Eine neue Toleranz kann andernorts einen Fehler verbergen, wenn der Berechnungsweg ungeklärt bleibt.
Nein. Sein angegebener Vertrag akzeptiert endliche Gleitkommaeingaben; andere Werte benötigen eine ausdrückliche Regelung. Halten Sie zurückgewiesene Eingaben in der Prüfung sichtbar, statt anzunehmen, eine Hilfsroutine für Darstellungsabstände decke jeden Zahlentyp oder Sonderwert ab.
Prüfen Sie Zahlendarstellung, Umwandlungsverhalten und verfügbare Operationen der Laufzeit. Bilden Sie relevante Grenzfälle in dieser Umgebung nach. Das Python-Beispiel ist ein Ausgangspunkt für Untersuchungen, kein Beleg für identisches Verhalten einer ungetesteten Übertragung.
UlpNacre · Aktualisiert 2026-10-25
