When random is not actually random enough
6 hours ago
- 使用模运算从集合中随机选择项的常见做法会引入偏差，因为分布不均匀。
- 更好的方法是使用像random_between(l, h)这样的函数，确保每个项有相等的概率。
- 像random_choice()这样具有显式概率分布或相对整数权重的通用API更健壮，并能防止错误。
- 相对整数权重避免了浮点数问题，并允许直观的概率表示。
- 随机变量有自己的代数；像模运算这样的非线性操作可能会扭曲预期的分布。
- 在测试中（例如使用Antithesis），显式的加权选择有助于探索代码路径并提高覆盖率。
- 使用weighted_choice()而不是random_u64()鼓励直接表达期望的分布，从而产生更好的代码。