모델
기본 URL과 필요한 API 키로 OpenAI 호환 또는 Anthropic 엔드포인트를 설정하고 연결을 테스트하세요. 로컬 모델 서버는 실행 중이어야 합니다. 원격 도구는 데이터를 별도로 전송할 수 있습니다.
AI 코딩 작업 공간
스트림의 저수지 표본 추출
시드가 지정된 로컬 생성기로 항목 최대 1000개인 유한 스트림에서 최대 32개 저수지 표본을 선택합니다.
● ● ●SampleThicket●
작업 흐름 · 스트림의 저수지 표본 추출 ×
from random import Random
def reservoir_sample(items, size, seed):
if type(size) is not int or not 0 <= size <= 32:
raise ValueError("size.range")
if type(seed) is not int or not 0 <= seed < 2**32:
raise ValueError("seed.range")
rng, sample, count = Random(seed), [], 0
for index, item in enumerate(items):
count = index + 1
if count > 1000:
raise ValueError("stream.limit")
if index < size:
sample.append(item)
elif size:
position = rng.randrange(count)
if position < size:
sample[position] = item
if size > count:
raise ValueError("stream.short")
return sample✳시드가 지정된 로컬 생성기로 항목 최대 1000개인 유한 스트림에서 최대 32개 저수지 표본을 선택합니다.
✓ 변경 사항적용하기 전에 검토하세요 ↗
작업 공간 예시 화면
프로젝트
같은 시드로 재현성을 확인하고 표본보다 짧은 스트림을 거부하며 입력 리스트를 바꾸지 않습니다.
적용하기 전에 검토하세요
실제 동작을 예상 결과와 비교하세요. 검사가 실패하면 다음 변경을 하기 전에 원인을 조사하세요.
작업 흐름
from random import Random
def reservoir_sample(items, size, seed):
if type(size) is not int or not 0 <= size <= 32:
raise ValueError("size.range")
if type(seed) is not int or not 0 <= seed < 2**32:
raise ValueError("seed.range")
rng, sample, count = Random(seed), [], 0
for index, item in enumerate(items):
count = index + 1
if count > 1000:
raise ValueError("stream.limit")
if index < size:
sample.append(item)
elif size:
position = rng.randrange(count)
if position < size:
sample[position] = item
if size > count:
raise ValueError("stream.short")
return sample표본 추출 변경을 검토할 수 있도록 재현성을 확보하세요
개별 출력이 달라도 무작위화 코드에는 검토 기록이 필요합니다. SampleThicket는 표본 추출 관련 프로젝트 작업에 소스와 재현성 가정을 함께 논의할 Windows AI 코딩 작업 공간을 제공합니다. 관련 폴더를 열고 입력 스트림, 요청 표본, 잘못된 요청의 예상 처리를 설명하세요.
유한 스트림의 저수지 표본 추출 작업에서는 연결된 모델에게 시드 전달 방식과 항목이 도착할 때 표본이 바뀌는 방식을 살펴보도록 요청하세요. 추적할 수 있는 알려진 짧은 스트림을 준비하세요. 반복 가능한 예제와 통계적 품질에 관한 더 넓은 주장을 구분하세요. 고정 시드는 경로 재현을 돕지만 비편향 동작을 입증하지는 않습니다.
구현 변경을 수락하기 전에 요청 경계를 검토하세요. 스트림보다 큰 표본과 지원 한도를 넘는 스트림에는 명시적인 결과가 필요합니다. 호출자가 실패를 어떻게 받는지 확인한 뒤 자체 도구로 결정적인 테스트 사례와 적절한 통계 평가를 실행하세요. 결과를 기록할 때 시드와 관련 설정을 보존하세요.
SampleThicket는 OpenAI 호환 또는 Anthropic 엔드포인트 연결을 지원합니다. 제공되는 무검열 AI 모델은 모델 동작과 서버 한도의 적용을 받으며 검토를 도울 수 있습니다. 작업 공간은 패치 준비와 검토를 돕고, 유지하려는 동작에 대한 근거는 프로젝트의 재현 가능한 검사에서 나옵니다.
표본 추출 변경의 검토를 위한 재현성 확보 — 수정 전 질문
- 재현 가능한 표본 추출 보고서에는 무엇을 담아야 하나요?
입력 수열이나 재현 가능한 원천, 요청 크기, 시드, 관련 실행 환경 세부사항을 포함하세요. 가능하면 살펴볼 수 있을 만큼 작은 예제를 유지하세요. 코드 변경과 달라진 무작위 경로를 구분할 수 있습니다.
- 고정 시드 출력이 일치하면 비편향 표본 추출이 입증되나요?
아니요. 그 설정과 사례에서 반복 가능함을 입증합니다. 통계적 속성에는 별도의 논리적 검토와 적절한 평가가 필요합니다. 결정적인 테스트 사례 하나를 분포 품질의 근거로 여기지 말고 모델에게 두 주장을 구분하도록 요청하세요.
- 지나치게 큰 표본 요청은 어떻게 동작해야 하나요?
반드시 실패해야 하는지 다른 의도적인 정책을 따라야 하는지 명시하세요. 유한 스트림 예제에서는 짧은 스트림의 거부와 호출자를 검토하세요. 사용 코드가 요청 개수 보장을 가정한다면 더 적은 항목을 조용히 반환하지 마세요.
- 표본 추출 리팩터링에서 한도를 유지하는 이유는 무엇인가요?
한도는 허용 작업량과 실패 계약을 정의할 수 있습니다. 반복문이나 입력 처리를 바꾸기 전에 모델에게 한도를 파악하도록 요청하세요. 리팩터링이 의도한 보호 장치를 우연히 제거하지 않도록 경계 사례를 테스트하세요.
SampleThicket · 업데이트 2026-10-25