7-Zip mejora su velocidad de compresión un 97% sin tocar el código central: un 'aficionado' y el experimento extremo de optimización con IA

Yusheng Science, una incubadora de IA, completó una optimización de 7-Zip con un empleado que no tenía experiencia en programación. La idea era mejorar la eficiencia de compresión mediante un "enrutador consciente del contenido" que selecciona dinámicamente estrategias de codificación según el tipo de archivo, en lugar de usar una estrategia uniforme para todos los archivos. La optimización implicó un mecanismo de detección de múltiples niveles (reconocimiento de cabeceras de archivo, pruebas de compresión de muestra y muestreo de múltiples puntos para medios comprimidos sospechosos), una estrategia de enrutamiento de diez niveles y medidas de seguridad (comparaciones de muestras, umbrales de tolerancia y aislamiento por grupos). Los resultados mostraron un aumento del 97,0% en la velocidad de compresión para archivos múltiples en macOS, un 93,4% para texto en prosa, más del 80% típico en Windows y una reducción del 40,4% en el tamaño de registros, con una verificación de integridad del 100%. Sin embargo, el tiempo de descompresión para archivos de texto y registros aumentó de 2 a 3 veces, y los archivos incompresibles muy grandes de más de 5GB pueden sufrir una compresión más lenta debido a errores de juicio. La optimización es cero invasiva: no se cambió el código del algoritmo central, solo la capa de despacho, y la salida sigue siendo un formato .7z estándar, decodificable por el 7-Zip oficial. La versión optimizada es de código abierto en GitHub (https://github.com/sunmmer01/Optimization). Yusheng Science afirma que esta práctica demuestra un nuevo modelo de colaboración donde la IA amplifica la perspicacia humana, no reemplaza a los ingenieros.