Тема: measurement
-
Журнал температуры компоста: фиксированные точки замера, фиксированная глубина, температура воздуха рядом с кучей и каждое перемешивание как событие
Предлагаемый протокол наблюдения для садовой компостной кучи или бокса: термометр с длинным щупом, показания которого снимаются в отмеченных точках замера на заданной глубине по фиксированному расписанию, температура воздуха рядом с кучей в тот же момент, а каждое добавление материала, перемешивание или полив заносятся в журнал отдельной строкой-событием, — чтобы подъём, плато и спад температуры кучи можно было сопоставить с тем, что с ней делали; никакая целевая температура или результат не утверждаются.
-
Построение доверительного интервала для медианы, перцентиля или отношения методом bootstrap
Многократно ресэмплируйте исходные наблюдения с возвращением, вычисляйте статистику на каждой ресэмплированной выборке и считывайте интервал из полученного распределения; это даёт оценку неопределённости для медиан, перцентилей, отношений и разностей — там, где не работает ни одна учебниковая формула. Указывайте метод, число ресэмплов и размер выборки и не доверяйте методу для крайних перцентилей на маленьких выборках.
-
Запись показаний бытового термометра в ледяной бане: журнал смещения показаний для каждого прибора
Предлагаемый протокол, ограниченный только записью показаний и следующий описанию точки таяния льда по NIST (дроблёный лёд из дистиллированной воды, смесь лёд-вода сверху донизу, заданная глубина погружения), чтобы фиксировать, что показывает каждый бытовой термометр при номинальных 0 °C, вместе с датой, деталями подготовки и временем, за которое показание стабилизировалось; протокол ведёт историю смещений по каждому прибору и не даёт никаких рекомендаций по калибровке или по применению для пищевых продуктов.
-
Бенчмаркинг изменения: прогрев, повторы, разброс и что указывать в отчёте
Сравнение по времени выполнения — это результат только тогда, когда он устойчив к шуму: зафиксируйте нагрузку, отбросьте прогревочные прогоны, чередуйте много повторов каждого варианта, выбирайте статистику до того, как посмотрите на данные, и указывайте разброс и окружение рядом с каждым числом. Разница меньше разброса между прогонами — это не находка.
-
Как нужно ставить домашнее сравнение всхожести семян, чтобы результаты двух разных домохозяйств можно было сопоставить?
Открытый вопрос: лаборатории проверяют семена по Международным правилам испытания семян ISTA, но у домохозяйств, сравнивающих две партии семян или два подоконника, нет общего протокола; какие размеры выборки, правила подсчёта, длительность и записи об условиях делают такие домашние сравнения информативными и сопоставимыми между разными домохозяйствами?
-
Measuring typing speed at home: a fixed-text, fixed-duration protocol with the word and error rules written down
A proposed protocol for a personal typing-speed record in which the definitions are part of the log: a standard word is defined as five characters including spaces, gross and net rates are computed by stated formulas, the keyboard, layout, software and correction setting are logged per session, three timed trials of fixed length are run on texts of a fixed kind, and the median is reported; no rate, target or improvement is claimed.
-
How much of an agent's context is tool output in real runs, and does trimming it change task success?
Open question: the MCP specification says clients should validate tool results before passing them to the model but leaves the amount to the client; in recorded agent runs, what share of tokens is tool output rather than instructions or reasoning, and does truncating, summarising or filtering tool output change task success, cost and latency?
-
Журнал состояния батареи: что сообщают телефоны, ноутбуки Windows и интерфейс power-supply в Linux
Ежемесячный журнал показателей батареи, которые сообщает само устройство: максимальная ёмкость относительно новой на экране состояния аккумулятора iPhone, HTML-отчёт powercfg /batteryreport в Windows и атрибуты charge_full и charge_full_design класса power-supply в Linux. Исходные данные с датой, версией ПО и событиями показывают тренд и скачки, не давая советов по зарядке.
-
Making a recipe substitution experiment comparable
A proposed protocol for documenting an ingredient substitution: fix everything except the substituted ingredient, record quantities by mass, describe the equipment and timings, and separate measured observations from preference judgements; no cooking result is asserted.
-
A grocery price log with the unit price computed from the pack: barcode identity, pack quantity, shelf price and promotion flag per observation
A proposed record-only protocol for logging grocery prices in which each observation carries the product's barcode number as its identity, the pack quantity as printed, the shelf price and any promotion or loyalty condition, and a unit price computed by the household in a stated unit, following the definition in EU Directive 98/6/EC of the unit price as the final price per kilogramme, litre, metre, square metre or cubic metre; a changed pack size becomes a new product row, and no purchasing advice or inflation figure is given.
-
An explicit 'none of these' option in every closed decision lowers an agent's wrong-action rate more than raising the confidence threshold does
For an agent that routes or classifies with a closed set of options and acts on the result, this hypothesis predicts that adding an explicit abstain option to the option set removes more wrong actions per blocked correct action than tightening a confidence threshold on the same question without such an option.
-
Household log entries written from memory at the end of the day show more rounded values than entries written at the moment of reading
Hypothesis: when a meter, scale or thermometer reading is written down hours later from memory, the recorded value is more often a round number (ending in 0 or 5, or with fewer decimals) than when it is written at the instrument; a proposed within-household test with alternating days and photographs as the reference, with no claim about which value is closer to the truth.
-
Неопределённость измерений и значащие цифры в технических отчётах
Измеренное значение без неопределённости неполно: повторите измерение, укажите среднее со стандартным отклонением среднего и числом запусков, округлите неопределённость до одной или двух значащих цифр, а значение — до того же разряда, и объясните смысл интервала. Цифры, не оправданные неопределённостью, — шум.
-
Оценка усвоенного с помощью самопроверок до и после обучения и пределы такого сравнения
Протокол личного тестирования до и после учёбы: заранее составьте вопросы, ответьте без подсказок, поучитесь, спустя задержку ответьте на параллельный набор и оцените по фиксированному ключу. Разница — оценка с известными слабостями: предварительный тест сам обучает, наборы могут отличаться сложностью, а один учащийся не может быть собственной контрольной группой.
-
Checking a kitchen scale with coins of published mass: a repeatability, range and corner-load record
A proposed record-only protocol for a household scale: use new coins whose nominal mass the issuing mint publishes as reference masses, log readings for single coins and stacks across the scale's range, repeat placements, test the four corners and a timed hold, and keep the sheet per scale; no adjustment and no pass or fail judgement is part of it.
-
A watering and growth log for houseplants: fixed measurement points and photographs
A proposed observation log for potted plants: measurement points defined once (height from the pot rim, leaf count above a stated size, largest leaf length), watering recorded by volume or mass, position and events, and a weekly photograph under the same conditions, so that growth can be compared over time and between plants; no care advice is given.
-
Two consumer hygrometers in one room disagree less on dew point than on relative humidity
Hypothesis: two consumer temperature-humidity devices placed at different spots in one room report relative humidity values that differ mainly because their temperatures differ, so the dew points computed from each device's own pair agree more closely than the raw RH readings once the fixed inter-device offset is removed; no measurement is reported.
-
Нагрузочное тестирование с открытой и закрытой моделями нагрузки
В закрытой модели фиксированное число виртуальных пользователей ждёт каждого ответа, прежде чем отправить следующий запрос, поэтому замедляющийся сервер сам снижает свою нагрузку, а худшие периоды не измеряются. В открытой модели запросы поступают с заданной скоростью независимо от завершения предыдущих. Выбирайте модель по поставленному вопросу и указывайте её вместе с каждым числом.
-
Повторяемое измерение скорости домашнего интернета: фиксированный путь и расписание
Предлагаемый протокол ряда измерений скорости передачи и задержки дома: сохранять устройство, проводной или беспроводной путь, инструмент и сервер; две недели выполнять три теста подряд в трёх фиксированных ежедневных окнах, записывая число соединений и активность домохозяйства. Произведение полосы пропускания на задержку и сравнение одного и нескольких соединений в RFC 6349 объясняют влияние настроек инструмента на число; выводов о провайдерах нет.
-
How should the reliability of an acting agent be measured when a run can succeed at its task and still cause an unwanted side effect?
Open question: benchmarks score whether the goal state was reached, and pass^k adds consistency over trials, but neither counts a run that reached the goal and also deleted a file, sent a message or spent a budget it should not have; which measures teams use for that, how they collect them, and whether they move with prompt and model changes is undocumented.
Машиночитаемо: JSON