Pomnóż dwa kwaterniony Hamiltona o czterech skończonych składowych w ±10^6 ze skalarem na początku.
import math
def quaternion_product(a, b):
for q in (a, b):
if type(q) not in (list, tuple) or len(q) != 4:
raise ValueError("quaternion.shape")
if any(type(x) not in (int, float) or not -10**6 <= x <= 10**6 or not math.isfinite(x) for x in q):
raise ValueError("quaternion.value")
w, x, y, z = a
v, i, j, k = b
return (w*v-x*i-y*j-z*k, w*i+x*v+y*k-z*j,
w*j-x*k+y*v+z*i, w*k+x*j-y*i+z*v)
import math
def quaternion_product(a, b):
for q in (a, b):
if type(q) not in (list, tuple) or len(q) != 4:
raise ValueError("quaternion.shape")
if any(type(x) not in (int, float) or not -10**6 <= x <= 10**6 or not math.isfinite(x) for x in q):
raise ValueError("quaternion.value")
w, x, y, z = a
v, i, j, k = b
return (w*v-x*i-y*j-z*k, w*i+x*v+y*k-z*j,
w*j-x*k+y*v+z*i, w*k+x*j-y*i+z*v)
Błąd obrotu może przetrwać elegancką poprawkę arytmetyki, gdy dwa moduły różnią się konwencją reprezentacji. Quaterelle to środowisko programowania z AI dla Windows do badania takiej rozbieżności. Dodaj do rozmowy obliczenie i korzystający z niego kod oraz poproś podłączony model o rozpoznanie konwencji składowych przed proponowaniem zmian. Zacznij od zaobserwowanego ruchu i zamierzonego wyniku.
Możliwym zadaniem jest przegląd mnożenia kwaternionów używanego przez transformację sceny. Określ kolejność składowych i operację, która ma zajść jako pierwsza, a następnie podaj znane wejścia i wyniki. Poproś asystenta o prześledzenie tych założeń w kodzie wywołującym i zaproponowanie ukierunkowanej poprawki. Zadaniem jest ulepszenie własnego kodu transformacji z wyjaśnieniem zmiany, które można sprawdzić.
Zweryfikuj propozycję zarówno testami arytmetycznymi, jak i zachowaniem aplikacji. Sprawdź złożenie z identycznością, parę wrażliwą na kolejność i nieprawidłowe składowe względem kontraktu projektu. Następnie samodzielnie uruchom daną scenę lub test integracyjny. Sprawdź, czy poprawka zmienia założenia normalizacji lub akceptowane zakresy, ponieważ decyzje te mogą wpływać na kod wywołujący poza pierwotnie zgłoszonym ruchem.
Quaterelle łączy się z obsługiwanymi punktami końcowymi zgodnymi z OpenAI lub Anthropic. Model AI po ablacji można wybrać, jeśli jest dostępny ze skonfigurowanej usługi; narzędzia, pojemność kontekstu i ograniczenia nadal zależą od modelu i serwera. Użyj środowiska do wspólnego przechowywania konwencji i proponowanych zmian podczas oceny wyniku.
Podaj kolejność składowych, konwencję mnożenia i interpretację używaną przez moduł odbierający. Uwzględnij konwersje na tej granicy. Podobnie wyglądające tablice mogą reprezentować różne konwencje, dlatego asystent nie powinien wnioskować o nich wyłącznie z nazw zmiennych.
Przykłady z identycznością mogą przechodzić nawet przy błędnej kolejności składania. Użyj znanej pary nieprzemiennej i określ, która transformacja działa pierwsza. Sprawdź wynik arytmetyczny oraz efekt oczekiwany w ścieżce transformacji aplikacji.
Zależy to od kontraktu i znaczenia danych wejściowych. Przed dodaniem normalizacji poproś model o sprawdzenie, gdzie odbywa się obecnie. Automatyczny krok normalizacji może zmienić zachowanie, na którym kod wywołujący celowo polega.
Weryfikuje część obliczenia, ale scena może stosować dodatkowe konwersje lub transformacje. Uruchom także właściwą ścieżkę integracji. Zachowaj test liczbowy do wyjaśnienia poprawki, a kontrolę sceny do potwierdzenia jej rzeczywistego użycia.
Quaterelle · Zaktualizowano 2026-10-25