Velocidade de Compressão do 7-Zip Aumentada em 97% Sem Tocar no Código Principal: Um Experimento de Otimização Extrema de um "Amador" e IA

A Yusheng Science, uma incubadora de IA, concluiu uma otimização do 7-Zip com um funcionário que não tinha formação em programação. A ideia era melhorar a eficiência de compressão usando um "roteador sensível ao conteúdo" que seleciona dinamicamente estratégias de codificação com base no tipo de arquivo, em vez de usar uma estratégia uniforme para todos os arquivos. A otimização envolveu um mecanismo de detecção em múltiplos níveis (reconhecimento de cabeçalho de arquivo, testes de compressão de amostra e amostragem multiponto para suspeita de mídia comprimida), uma estratégia de roteamento em dez níveis e medidas de segurança (comparações de amostra, limites de tolerância e isolamento por grupos). Os resultados mostraram um aumento de 97,0% na velocidade de compressão para arquivos múltiplos no macOS, 93,4% para texto em prosa, mais de 80% típico no Windows e uma redução de 40,4% no tamanho para logs, com verificação de integridade de 100%. No entanto, o tempo de descompressão para arquivos de texto e logs aumentou de 2 a 3 vezes, e arquivos muito grandes e incompressíveis acima de 5 GB podem sofrer compressão mais lenta devido a erros de julgamento. A otimização é não invasiva: nenhum código do algoritmo central foi alterado, apenas a camada de despacho, e a saída permanece no formato padrão .7z, decodificável pelo 7-Zip oficial. A versão otimizada é open-source no GitHub (https://github.com/sunmmer01/Optimization). A Yusheng Science afirma que essa prática demonstra um novo modelo de colaboração em que a IA amplia a percepção humana, não substituindo engenheiros.