Проверьте перед применением
Сравните фактическое поведение с ожидаемым. Если проверка не проходит, разберитесь в причине перед следующими изменениями.
Рабочая среда с ИИ для кода
Исправление одного бита кодом Хэмминга
ParityOchre — ИИ-клиент Windows для изучения примеров исправления ошибок. Сохраняйте предположение о канале в обсуждении, проверяя предложенную логику чётности и границы её применимости.
● ● ●ParityOchre●
Конкретная отправная точка · Исправление одного бита кодом Хэмминга ×
def correct_hamming(word):
word = list(word)
if len(word) != 7 or any(type(b) is not int or b not in (0, 1) for b in word):
raise ValueError("hamming.word")
syndrome = 0
for parity in (1, 2, 4):
value = 0
for position in range(1, 8):
if position & parity:
value ^= word[position-1]
if value:
syndrome |= parity
if syndrome:
word[syndrome-1] ^= 1
data = (word[2] << 3) | (word[4] << 2) | (word[5] << 1) | word[6]
return data, syndrome✳Декодируйте семибитное слово Хэмминга при явном предположении не более одного перевёрнутого бита.
✓ ИзмененияПроверьте перед применением ↗
Иллюстрация рабочей среды
Подключение
Базовый URL, учётные данные и доступный сервер.
Проект
Проверьте неповреждённые слова и каждую одиночную ошибку, отклоняйте неверную длину или недвоичные значения и не обещайте обнаружение нескольких ошибок.
Конкретная отправная точка
def correct_hamming(word):
word = list(word)
if len(word) != 7 or any(type(b) is not int or b not in (0, 1) for b in word):
raise ValueError("hamming.word")
syndrome = 0
for parity in (1, 2, 4):
value = 0
for position in range(1, 8):
if position & parity:
value ^= word[position-1]
if value:
syndrome |= parity
if syndrome:
word[syndrome-1] ^= 1
data = (word[2] << 3) | (word[4] << 2) | (word[5] << 1) | word[6]
return data, syndromeЯвно обозначайте рабочие допущения экспериментального кода
ParityOchre — рабочая среда программирования с ИИ для Windows, помогающая превратить небольшой технический эксперимент в программный компонент с чёткими границами. Откройте папку исходников и опишите условия использования результата. Попросите модель изучить вычисление и вызывающий его код, особенно там, где вывод могут принять за доказательство успешного восстановления.
Например, запросите проверку hamming.py при допущении об ошибке в одном бите. Предоставьте неповреждённое слово и слово с одним изменённым битом, затем укажите, как приложение должно представлять возвращаемые данные и синдром. Отдельно обсудите сбои за пределами этого допущения, чтобы правдоподобный результат не создавал впечатления исправления любых повреждённых данных.
Используйте предложенную правку для изучения интерфейса вокруг эксперимента. Проверьте длину входа и значения битов, запустите независимые тестовые случаи в своей среде и изучите сообщение, отображаемое потребителем. Здесь важны понятные имена выходных данных: приложение должно сообщать то, что процедура действительно возвращает, не превращая ограниченный пример в широкое заявление о надёжности.
ParityOchre поддерживает подключение моделей через конечные точки, совместимые с OpenAI, или конечные точки Anthropic; при необходимости используются учётные данные. Модель ИИ без цензуры можно выбрать, если она предлагается, с учётом ограничений провайдера. Доступные инструменты и контекст зависят от выбранной модели и сервера; при проверке предлагаемого поведения программы по-прежнему нужны результаты ваших тестовых случаев.
Вопросы об экспериментах с ограниченным восстановлением
Доказывает ли возвращённое значение, что слово исправлено?
Только в рамках допущений, установленных для процедуры и входных данных. Само по себе правдоподобное значение не доказывает успешного исправления произвольного повреждения. Проверьте описание результата в приложении, чтобы пользователи не получали более сильных гарантий, чем допускает эксперимент.
Что должна охватывать проверка входных данных?
Используйте ожидаемую длину слова и разрешённые значения битов из контракта проекта. Добавьте случаи неверной длины и значений, не являющихся битами. Проверьте отклонение также через вызывающий код: исключение вспомогательной функции не обязательно даёт полезную реакцию приложения.
Зачем включать в тесты неповреждённые слова?
Они проверяют путь без изменений и смысл сообщаемого синдрома, когда коррекция не требуется. Сравните извлечённые данные с независимым ожидаемым значением. Тестирование только повреждённых примеров может пропустить дефект обработки обычного входа или интерпретации результата.
Как запросить более широкую обработку ошибок?
Укажите дополнительные случаи ошибок и свидетельства, нужные приложению для их различения. Рассматривайте это как новое требование к проектированию, а не небольшую правку существующего примера. Проверьте предложенные интерфейс и тесты, прежде чем предполагать более сильную гарантию восстановления.
ParityOchre · Обновлено 2026-10-25