Enam jawaban untuk satu pertanyaan
Kenapa ini penting Bertanya lagi dan mengambil jawaban yang paling umum terasa seperti mencari opini kedua. Sampel dari satu model menunjukkan kebiasaannya, jadi mayoritas bisa salah bersamaan.
Output asisten di pelajaran ini ditulis untuk kursus dalam bentuk yang persis seperti yang dihasilkan asisten asli. Ini bukan rekaman dari model tertentu.
Rekan timA bertanya enam kali untuk "fungsi yang mengembalikan median dari daftar angka". Empat dari enam jawaban memilih satu elemen tengah setelah pengurutan, yang salah untuk daftar dengan panjang genap (median dari [1, 2, 3, 4] adalah 2.5); salah satu dari itu juga mengurutkan daftar pemanggil secara in place. Dua jawaban benar. Berikan suara pada apa yang mereka kembalikan, dan jawaban yang salah menang tiga banding dua.
Menjalankannya lebih murah daripada berdebat tentangnya. Beberapa kasus dengan jawaban yang sudah diketahui, termasuk yang terlewat oleh jawaban umum, mengurutkan keenamnya sekaligus.
load_sample menjalankan kode sampel di sini, di tab browser ini, seperti milikmu sendiri. Sampel ini ditulis untuk kursus ini. Dengan output asisten asli, baca dulu dan jalankan di tempat yang bisa dibuang, seperti container atau virtual machine sekali pakai, jangan pernah di dekat kunci dan datamu.
Self-consistency: mengambil beberapa jawaban dan memilih mayoritas. Ini membantu saat kesalahannya acak; ini tidak membantu saat model punya satu titik buta yang sistematis.
Tulis rank(samples, name, cases). samples adalah daftar string kode, masing-masing untuk mendefinisikan fungsi bernama name. cases adalah daftar pasangan (args, expected), di mana args adalah sebuah tuple. Untuk setiap sampel, ambil fungsinya dengan load_sample(code, name) dari creative.samples; jika itu menghasilkan None (kode gagal berjalan atau tidak mendefinisikan name), semua kasus gagal. Jika tidak, panggil fungsi untuk setiap kasus (masukkan salinan argumen list apa pun, jadi satu sampel tidak bisa mengubah kasus berikutnya); sebuah kasus berhasil jika pemanggilan mengembalikan nilai yang sama dengan expected, dan gagal jika berbeda atau error. Kembalikan satu dict per sampel, {"sample": i, "passed": n, "failed": [case indexes]}, urutkan berdasarkan jumlah keberhasilan terbanyak, jika sama urutkan berdasarkan indeks sampel.
Ada masalah di pelajaran ini? Laporkan · Tanya tentang pelajaran ini
Latihan ini akan segera dibuka
Selesaikan pelajaran sebelumnya agar pelajaran ini terbuka. Seluruh kursus ini gratis, tidak butuh akun, dan kamu bisa baca pelajaran ini sekarang.
Browser ini memblokir cookie untuk learn.floati.life, jadi pelajaran yang sudah kamu selesaikan di sini tidak bisa dibuka berurutan. Izinkan cookie untuk situs ini dan muat ulang.