Dekodowanie wartości binary16
Odczytaj wartość liczbową jednego 16-bitowego słowa binary16 bez znaku.
from math import copysign, ldexp
def binary16_value(word):
if type(word) is not int or not 0 <= word <= 65535:
raise ValueError("binary16.word")
sign = -1.0 if word & 0x8000 else 1.0
exponent, fraction = (word >> 10) & 31, word & 1023
if exponent == 31:
return copysign(float("nan") if fraction else float("inf"), sign)
value = ldexp(fraction, -24) if exponent == 0 else ldexp(1024+fraction, exponent-25)
return copysign(value, sign)| Sprawdź przed zastosowaniem | Porównaj rzeczywiste zachowanie z oczekiwanym wynikiem. Jeśli sprawdzenie się nie powiedzie, wyjaśnij przyczynę przed kolejnymi zmianami. |
|---|---|
| Modele | Dodaj endpoint zgodny z OpenAI lub Anthropic, podając bazowy URL i klucz API, jeśli jest wymagany. Sprawdź połączenie. Lokalny serwer modelu musi działać; zdalne narzędzia mogą przesyłać dane oddzielnie. |
| Projekt | Sprawdź zera ze znakiem, liczby subnormalne, nieskończoności i NaN, odrzucając wartości logiczne i słowa spoza zakresu bez zachowania ładunku NaN. |
from math import copysign, ldexp
def binary16_value(word):
if type(word) is not int or not 0 <= word <= 65535:
raise ValueError("binary16.word")
sign = -1.0 if word & 0x8000 else 1.0
exponent, fraction = (word >> 10) & 31, word & 1023
if exponent == 31:
return copysign(float("nan") if fraction else float("inf"), sign)
value = ldexp(fraction, -24) if exponent == 0 else ldexp(1024+fraction, exponent-25)
return copysign(value, sign)Oceń zwarte formaty liczbowe także poza zwykłymi wartościami
HalfJunia to oprogramowanie do programowania z AI dla Windows, wspierające analizę zmian źródeł wrażliwych na reprezentację. Gdy zdekodowana wartość wygląda błędnie, dodaj do rozmowy w projekcie oryginalne słowo, zaobserwowany wynik i oczekiwaną interpretację. Poproś podłączony model o sprawdzenie odpowiedniego kodu przed zmianą gałęzi, która może obsługiwać także wartości specjalne.
Na przykład dekodowanie binary16 może wymagać jawnej obsługi zera ze znakiem, wartości subnormalnych, nieskończoności i NaN. Określ, że wejściem jest 16-bitowe słowo bez znaku, oraz czy zachowanie danych zawartych w NaN wykracza poza wymagania. Zadanie zyskuje wtedy ograniczony kontrakt, który recenzent może porównać z proponowaną implementacją i kodem wywołującym.
Sprawdź reprezentatywne słowa każdej kategorii we własnym środowisku. Dla zera ze znakiem użyj obserwacji rzeczywiście rozróżniającej znak; dla NaN zastosuj właściwy test kategorii zamiast zwykłej równości. Oddzielnie sprawdź odrzucanie wartości logicznych i spoza zakresu. Kilka znajomych wartości skończonych jest przydatnych, ale nie sprawdza gałęzi najbardziej narażonych na przeoczenie.
HalfJunia łączy się z obsługiwanymi punktami końcowymi zgodnymi z OpenAI lub Anthropic, z danymi uwierzytelniającymi w razie potrzeby. Jeśli dostawca oferuje model AI bez filtrowania, możesz wybrać go do rozmowy o kodzie. Jego ograniczenia, pojemność kontekstu i narzędzia nadal zależą od modelu i serwera, a wyjaśnienie pozostaje propozycją wymagającą weryfikacji.
Przygotowanie przeglądu formatu liczbowego
Jakie dowody dołączyć do nieoczekiwanej zdekodowanej wartości?
Podaj dokładne słowo wejściowe, oczekiwaną kategorię i zaobserwowany wynik wraz z kodem wywołującym, który go używa. Nie opieraj się wyłącznie na zaokrąglonym tekście wyświetlanym. Dyskusja o źródłach wymaga szczegółów pozwalających odróżnić obsługę reprezentacji od późniejszego formatowania w interfejsie.
Czy zwykła równość pozwala sprawdzić każdą wartość specjalną?
Nie. Dobierz kontrole do kategorii, w tym obserwację znaku zera i właściwy test NaN. Określ te oczekiwania w zadaniu i sprawdź je w rzeczywistym środowisku, aby ocena dekodera wykraczała poza zwykłą równość wartości skończonych.
Czy należy zakładać zachowanie danych zawartych w NaN?
Tylko jeśli jest to jawne wymaganie obsługiwane przez implementację. Przykładowe zadanie dekodowania nie zachowuje tych danych. Jeśli kod odbierający ich potrzebuje, opisz oddzielny kontrakt przed przyjęciem propozycji zwracającej jedynie kategorię lub wartość liczbową.
Dlaczego uwzględniać wartości logiczne w testach odrzucania?
Relacje między typami w niektórych językach mogą dopuścić je przy ogólnym sprawdzaniu liczb całkowitych. Jeśli kontrakt wymaga rzeczywistej wartości słowa i wyklucza wartości logiczne, określ to jawnie. Sprawdź to rozróżnienie wraz z akceptowanym zakresem, zamiast polegać na nieformalnym opisie typu.
HalfJunia · Zaktualizowano 2026-10-25