7-Zip Sıkıştırma Hızı Çekirdek Koda Dokunmadan %97 Artırıldı: Bir "Amatör" ve YZ'nin Uç Optimizasyon Deneyi

Yusheng Science adlı bir yapay zeka kuluçka merkezi, programlama geçmişi olmayan bir çalışanla 7-Zip'te bir optimizasyon tamamladı. Fikir, tüm dosyalar için tek tip bir strateji kullanmak yerine, dosya türüne göre kodlama stratejilerini dinamik olarak seçen bir 'içerik farkındalıklı yönlendirici' kullanarak sıkıştırma verimliliğini artırmaktı. Optimizasyon, çok seviyeli bir algılama mekanizması (dosya başlığı tanıma, örnek sıkıştırma testi ve şüpheli sıkıştırılmış medya için çok noktalı örnekleme), on kademeli bir yönlendirme stratejisi ve güvenlik önlemleri (örnek karşılaştırmaları, tolerans eşikleri ve gruplama izolasyonu) içeriyordu. Sonuçlar, macOS'ta çok dosyalı arşivlerde %97,0, düz metinde %93,4 sıkıştırma hızı artışı, Windows'ta tipik olarak %80'in üzerinde artış ve günlük dosyalarında %40,4 boyut azalması gösterdi; doğrulama %100 başarılı oldu. Ancak, metin ve günlük dosyalarının açılma süresi 2-3 kat arttı ve 5 GB üzeri çok büyük sıkıştırılamayan dosyalarda yanlış değerlendirmeler nedeniyle sıkıştırma yavaşlayabilir. Optimizasyon sıfır müdahaleli: çekirdek algoritma kodunda hiçbir değişiklik yapılmadı, yalnızca dağıtım katmanı değiştirildi ve çıktı, resmi 7-Zip tarafından açılabilen standart .7z formatında kaldı. Optimize edilmiş sürüm GitHub'da açık kaynak olarak sunuldu (https://github.com/sunmmer01/Optimization). Yusheng Science, bu uygulamanın, yapay zekanın mühendislerin yerini almadığı, insan içgörüsünü güçlendirdiği yeni bir iş birliği modelini gösterdiğini belirtiyor.