Escolher uma implementação exige evidências sobre a tarefa real e seus critérios obrigatórios. Uma opção barata que falha em privacidade não é elegível, e os limites precisam ser interpretados de forma consistente. Esta lição usa observações fictícias para testar a regra sem afirmar resultados de modelos reais.
De case.model_results, selecione linhas com safety_passed true e quality pelo menos igual a case.minimum_quality. Devolva o modelo com menos fake_units, depois menor latency_ms e depois name. Devolva null se nenhum atender. Esses números são observações fictícias, não preços atuais nem comparações de modelos.
O notebook executa seu código Python com um simulador local original. Use os dados do caso em vez de copiar os valores visíveis. As verificações ocultas alteram identidades, revisões e entradas-limite; nenhum fornecedor ou ferramenta externa é contatado.
Uma implementação de exemplo do contrato da função.