Kecepatan Kompresi 7-Zip Meningkat 97% Tanpa Menyentuh Kode Inti: Eksperimen Optimasi Ekstrem oleh "Amatir" dan AI

Yusheng Science, sebuah inkubator AI, menyelesaikan optimasi 7-Zip dengan seorang karyawan yang tidak memiliki latar belakang pemrograman. Idenya adalah untuk meningkatkan efisiensi kompresi dengan menggunakan "router yang sadar konten" yang secara dinamis memilih strategi pengkodean berdasarkan jenis file, alih-alih menggunakan strategi seragam untuk semua file. Optimasi ini melibatkan mekanisme deteksi bertingkat (pengenalan header file, pengujian kompresi sampel, dan pengambilan sampel multi-titik untuk media terkompresi yang diduga), strategi perutean sepuluh tingkat, dan langkah-langkah pengamanan (perbandingan sampel, ambang toleransi, dan isolasi pengelompokan). Hasilnya menunjukkan peningkatan kecepatan kompresi sebesar 97,0% untuk arsip multi-file di macOS, 93,4% untuk teks prosa, lebih dari 80% tipikal di Windows, dan pengurangan ukuran sebesar 40,4% untuk log, dengan verifikasi integritas 100%. Namun, waktu dekompresi untuk file teks dan log meningkat 2-3 kali lipat, dan file yang sangat besar dan tidak dapat dikompresi di atas 5GB mungkin mengalami kompresi yang lebih lambat karena salah penilaian. Optimasi ini tidak invasif: tidak ada perubahan pada kode algoritma inti, hanya pada lapisan pengiriman, dan outputnya tetap dalam format .7z standar, yang dapat didekode oleh 7-Zip resmi. Versi yang dioptimalkan dirilis dengan sumber terbuka di GitHub (https://github.com/sunmmer01/Optimization). Yusheng Science menyatakan bahwa praktik ini menunjukkan model kolaborasi baru di mana AI memperkuat wawasan manusia, bukan menggantikan insinyur.