7-Zip संपीड़न गति में 97% की बढ़ोतरी, बिना कोर कोड को छुए: एक "शौकिया" और एआई का चरम अनुकूलन प्रयोग
7-Zip
एआई इनक्यूबेटर युशेंग साइंस के एक कर्मचारी, जिनके पास प्रोग्रामिंग का कोई पृष्ठभूमि नहीं है, ने एआई की सहायता से ओपन-सोर्स 7-Zip सॉफ्टवेयर का अनुकूलन किया, जिससे macOS पर संपीड़न गति में 97% तक की वृद्धि हुई और लॉग डेटा के लिए फ़ाइल आकार में 40.7% तक की कमी आई। अनुकूलित संस्करण GitHub पर ओपन-सोर्स किया गया है, जिसमें कोर एल्गोरिदम में कोई बदलाव नहीं किया गया है, जिससे आधिकारिक 7-Zip के साथ संगतता सुनिश्चित होती है।
Yusheng Science, एक AI इन्क्यूबेटर, ने एक ऐसे कर्मचारी के साथ 7-Zip का अनुकूलन पूरा किया, जिसके पास प्रोग्रामिंग की पृष्ठभूमि नहीं थी। विचार फ़ाइल प्रकार के आधार पर एन्कोडिंग रणनीतियों का चयन करने के लिए एक "सामग्री-जागरूक राउटर" का उपयोग करके संपीड़न दक्षता में सुधार करना था, न कि सभी फ़ाइलों के लिए एक समान रणनीति का उपयोग करना। अनुकूलन में एक बहु-स्तरीय पहचान तंत्र (फ़ाइल हेडर पहचान, नमूना संपीड़न परीक्षण, और संदिग्ध संपीड़ित मीडिया के लिए मल्टी-पॉइंट नमूनाकरण), एक दस-स्तरीय राउटिंग रणनीति, और सुरक्षा उपाय (नमूना तुलना, सहनशीलता सीमा, और समूहन अलगाव) शामिल थे। परिणामों से पता चला कि macOS पर बहु-फ़ाइल संग्रह के लिए संपीड़न गति में 97.0% की वृद्धि, गद्य पाठ के लिए 93.4%, Windows पर सामान्य रूप से 80% से अधिक, और लॉग्स के लिए आकार में 40.4% की कमी आई, साथ ही 100% अखंडता सत्यापन हुआ। हालाँकि, पाठ और लॉग फ़ाइलों के लिए डीकंप्रेसन समय 2-3 गुना बढ़ गया, और 5GB से अधिक की बहुत बड़ी असंपीड़नीय फ़ाइलें गलत निर्णयों के कारण धीमी संपीड़न से पीड़ित हो सकती हैं। अनुकूलन शून्य-आक्रामक है: कोई कोर एल्गोरिथ्म कोड नहीं बदला गया, केवल डिस्पैच लेयर, और आउटपुट मानक .7z प्रारूप में रहता है, जिसे आधिकारिक 7-Zip द्वारा डिकोड किया जा सकता है। अनुकूलित संस्करण GitHub पर ओपन-सोर्स है (https://github.com/sunmmer01/Optimization)। Yusheng Science का कहना है कि यह अभ्यास एक नए सहयोग मॉडल को प्रदर्शित करता है जहां AI मानव अंतर्दृष्टि को बढ़ाता है, इंजीनियरों की जगह नहीं लेता।
स्रोत: InfoQ 中国 —
मूल