한 질문에 대한 여섯 답
왜 중요한가 다시 묻고 가장 흔한 답을 고르는 건 두 번째 의견처럼 느껴져요. 한 모델의 샘플들은 그 버릇을 공유해서, 다수가 함께 틀릴 수 있어요.
이 레슨의 어시스턴트 출력은 실제 어시스턴트가 내는 모양 그대로 이 강좌를 위해 쓴 거예요. 특정 모델의 기록이 아니에요.
한 팀원이 "숫자 리스트의 중앙값을 반환하는 함수"를 여섯 번 요청했어요. 여섯 답 중 넷은 정렬한 뒤 가운데 원소 하나를 고르는데, 길이가 짝수인 리스트에서는 틀려요([1, 2, 3, 4]의 중앙값은 2.5예요). 그중 하나는 호출한 쪽의 리스트를 제자리에서 정렬하기도 해요. 둘이 맞아요. 반환하는 것에 투표하면, 틀린 답이 3 대 2로 이겨요.
실행하는 게 그걸 두고 논쟁하는 것보다 싸요. 흔한 답이 놓치는 것을 포함해 답을 아는 사례 몇 개가 여섯을 한 번에 가려내요.
load_sample은 샘플의 코드를 여기, 이 브라우저 탭에서 여러분 코드처럼 실행해요. 이 샘플들은 강좌를 위해 쓴 거예요. 실제 어시스턴트 출력은 먼저 읽고, 컨테이너나 버릴 가상 머신 같은 일회용 장소에서 실행하세요. 키와 데이터 옆에서는 절대 안 돼요.
자기 일관성: 여러 답을 샘플링하고 다수를 고르는 것. 오류가 무작위일 때는 도움이 되지만, 모델에 체계적인 사각지대 하나가 있을 때는 도움이 되지 않아요.
rank(samples, name, cases)를 쓰세요. samples는 코드 문자열의 리스트고, 각각 name이라는 함수를 정의하려는 거예요. cases는 (args, expected) 쌍의 리스트고, args는 튜플이에요. 각 샘플에 대해 creative.samples의 load_sample(code, name)으로 함수를 얻으세요. 그게 None을 주면(코드가 실행에 실패했거나 name을 정의하지 않으면) 모든 사례가 실패해요. 아니면 사례마다 함수를 호출하세요(한 샘플이 다음 샘플의 사례를 바꿀 수 없도록 리스트 인자는 복사본을 넘기세요). 호출이 expected와 같은 값을 반환하면 사례는 통과하고, 다르거나 예외가 나면 실패해요. 샘플마다 dict 하나, {"sample": i, "passed": n, "failed": [case indexes]}를 반환하고, 통과가 가장 많은 것부터, 같으면 샘플 인덱스 순으로요.
이 연습은 곧 열려요
앞의 레슨을 마치면 이 레슨이 열려요. 강좌 전체가 무료이고 계정도 필요 없으며, 이 레슨은 지금 바로 읽을 수 있어요.
이 브라우저가 learn.floati.life의 쿠키를 막고 있어서, 여기서 마친 레슨들이 순서대로 열리지 않아요. 이 사이트의 쿠키를 허용하고 새로고침하세요.