Što stranica predloška duguje čitatelju

PPT AI objavljuje 3.926 predložaka za prezentacije, svaki sa svojom stranicom na ppt.sophoninc.com. Stranica čija je svrha prikazati dizajn i dalje mora biti čitljiva nekome tko još ne vidi dizajn ili tko odlučuje između dva dizajna. To znači barem: čemu služi prezentacija, što je na svakom slajdu, koliko slajdova i koje veličine, što se može mijenjati i kako započeti. Ovaj post govori o tome kako smo otkrili koliko su naše stranice bile daleko od toga i što smo izmjerili prije nego što smo išta dodali.

Što stranica predloška danas prikazuje

Četiri stranice predložaka dohvaćene su i prebrojane 16. rujna 2026. Metoda brojanja: uklonite elemente script i style, uklonite preostale oznake, dekodirajte HTML entitete, uzmite tokene riječi koji odgovaraju [A-Za-z0-9][A-Za-z0-9’'&-]* i pretvorite ih u mala slova prije brojanja jedinstvenih. Tokenizator je naveden jer se broj jedinstvenih riječi mijenja za nekoliko riječi ovisno o njemu.

„Shared chrome” je 60 različitih riječi zajedničkih za sve četiri stranice: navigacija, podnožje, navigacijske staze i dva poziva na akciju. Uklonite li ih, između 19 i 31 različite riječi na svakoj stranici odnose se na taj predložak. Ostatak stranice isti je na 3.926 stranica.

Za kontekst, tijekom tri mjeseca do 16. rujna 2026. te su stranice zabilježile 484 prikaza i 7 klikova s prosječnom pozicijom od 20,2, na 187 različitih stranica i za 12 različitih upita. Taj broj dolazi iz alata Google Search Console za sc-domain:sophoninc.com, filtriran na ppt.sophoninc.com/templates/. Search Console vidljiv je samo vlasnicima usluge; usluga, filtar i vremenski raspon navedeni su kako bi svatko s pristupom mogao reproducirati rezultat, što je najprovjerljivije što taj izvor dopušta.

Pitanje na koje je revizija morala odgovoriti

Slajdovi svakog predloška sadrže tekst: naslove, oznake, tekst tijela napisan da ispuni dizajn. On se javno servira na adresi /api/v2/templates/<slug>/slides/<n> i očigledan je sadržaj za staviti na stranicu. Prije nego što to učinimo, moramo odgovoriti na jedan prigovor: 3926 stranica generiranog teksta prezentacije moglo bi biti 3926 gotovo identičnih stranica, što je gore od 3926 stranica s malo sadržaja.

Dakle: koliko teksta predložak dijeli s predloškom na koji najviše sliči?

Zašto uniformni uzorak daje pogrešan odgovor

Naivna metoda je nasumično uzorkovanje predložaka i usporedba parova. Ta metoda ne može pronaći dupliciranje u ovom korpusu, a vrijedi točno objasniti zašto.

Knjižnica je organizirana po kategorijama, po receptima i po obiteljima stilova. Nasumični par izvučen iz 3.926 stavki u velikoj je većini slučajeva par iz različitih kategorija o različitim temama. Ti parovi ne dijele gotovo ništa, bez obzira na to koliko je korpus duplikativan. Izmjerili smo: 392 nasumična para iz različitih obitelji stilova imaju medijan sadržajnosti 5-grama od 0,00 % i maksimum od 0,3 %. Uniformni uzorak vraća „the corpus is unique” kao artefakt uzorkovanja, a ne kao nalaz.

Parovi koji bi otkrili dupliciranje su najbliži susjedi, a oni čine zanemariv udio svih parova. Stoga je uzorak bio ponderiran prema njima. Predlošci su grupirani po kategoriji, slug-u recepta i obitelji stilova, a izvučene su 33 grupe iz četiri vrste:

• numerirani blizanci, gdje se slugovi razlikuju samo po završetku -2 ili -3 (8 grupa)
• isti recept i ista obitelj stilova (4 grupe)
• ista obitelj stilova, različit recept (13 grupa)
• grupe za pokrivenost, jedna po kategoriji, tako da nijedna kategorija ne ostane neizmjerena (8 grupa)

Tekst slajdova je zatim dohvaćen za svakog člana svake grupe: 232 predloška, 1034 slajda, 0 grešaka pri dohvaćanju, dana 16. rujna 2026. To je 5,9 % korpusa, odabrano tako da bude najtežih 5,9 %.

Odlučujući prolaz

Ponderiranje uzorka samo po sebi još uvijek nije dovoljno jer bi pravi najbliži susjed predloška mogao biti onaj koji nije dohvaćen, što bi umanjilo preklapanje. Stoga je drugi prolaz ograničio usporedbu na klastere u kojima je svaki član bio dohvaćen: 46 potpunih klastera, 117 predložaka. Unutar njih, zajamčeno je da se najbliži susjed predloška u cijelom korpusu od 3.926 predložaka nalazi u mjerenom skupu.

Metrika je sadržanost 5-grama: udio jedinstvenih nizova od pet riječi u predlošku koji se također pojavljuju u njegovom najbližem paru. Sadržanost, a ne Jaccardov indeks, jer je asimetrična – kratki predložak koji je u potpunosti sadržan u dugom trebao bi se smatrati potpuno dupliciranim, dok bi ga Jaccardov indeks prikazao kao djelomično jedinstvenog.

Rezultati za tih 117 predložaka, u usporedbi s pravim najbližim susjedom u korpusu:

Prolaz s 3-gramima služi za otkrivanje teksta koji je preoblikovan, a ne ponovno upotrijebljen; on mijenja brojke, ali ne i zaključak. Najgori par u korpusu je poster-quote-typography-modern-gradient naspram poster-bold-text-modern-gradient, s 8,82%.

U svih 232 predloška: od 3.448 jedinstvenih rečenica od šest ili više riječi, 2 se pojavljuju u više od jednog predloška – “the results relate only to the items tested” i “no other graphic elements should intrude into this zone”. Po slajdu, od 992 slajda s 20 ili više riječi, medijan sadržanosti s najbližim slajdom u bilo kojem drugom predlošku iznosi 0,0%; 8 ih je iznad 20%, a nijedan iznad 50%. Tematska sličnost mjerena kosinusnom sličnošću modela vreće riječi, koja zanemaruje formulaciju, viša je, kao što bi i trebala biti za dva predloška životopisa: medijan 12,7% u odnosu na najbliži par iz iste obitelji, maksimum 35,3%.

Iskreno ograničenje: ovo je 232 od 3.926 predložaka i 117 u skupu sa zajamčeno najbližim susjedom. To je dokaz o najtežem dijelu korpusa, a ne dokaz o cijelom korpusu.

Što smo odlučili

Revizija uklanja prigovor o dupliciranju kao prepreku objavljivanju teksta slajdova. Nismo objavili sadržaj slajdova. Objavili smo naslove slajdova, koji su već postojali u zapisu predloška te su se dohvaćali i odbacivali.

Provjereno na svih 3.926 predložaka prije objave: 14.969 naslova, nijedan prazan, nijedan samo “Slide N” ili “Page N”, a slide_titles.length jednak je slide_count na svakom od njih. Dva ograničenja su zabilježena, a ne izglađena: 156 naslova (1,0%) završava s “… Page N”, a na 77 predložaka (2%) svaki naslov tako završava. 1.321 predložak (34%) ima jedan slajd i uopće ne dobiva popis.

Promjena stoga utječe na 2.605 stranica i dodaje medijan od 15 riječi svakoj, odnosno prosjek od 10,4 riječi po stranici u cijelom korpusu. To je stvarno i malo. Samo po sebi ne izvlači stranicu iz kategorije sadržajno siromašnih, a korisniji dio može biti to što se na naslove može kliknuti: skok na slajd 7 prije je zahtijevao pritiskanje gumba Dalje šest puta.

Ista grana povezuje predloške na koje ništa drugo nije vodilo. Stranice za pregledavanje fiksirale su omjer slike na 16:9, što je oko 45 % biblioteke, pa se ostatak nije pojavljivao ni na jednoj središnjoj stranici ni u jednom povezanom bloku: /templates?category=document i ?category=poster vraćale su stranicu „coming soon” bez ijedne poveznice na predložak. Stranica na koju ne vodi nijedna interna poveznica ne duguje čitatelju ništa jer nijedan čitatelj na nju ne dođe.

Nije uvedeno i jedno pitanje ostaje otvoreno

Ništa od ovoga nije aktivno. To je pull request 10 na Sophon-LLC/ppt-ai, otvoren 15. rujna 2026. i još uvijek otvoren 16. rujna 2026., tri commita, provjeren provjerom tipova, lint provjerom i produkcijskom verzijom posluženom iz aktivnog spremišta podataka. Dok se ne spoji, stranice su onakve kakve su izmjerene na početku ove objave.

Otvoreno pitanje je ono na koje revizija ne odgovara. Mjereni skup sadrži medijan od 288 riječi glavnog teksta po predlošku, u usporedbi s 19 do 31 riječi specifičnih za predložak koje stranica danas prikazuje. Revizija kaže da taj tekst nije duplikat. Ne kaže da tekst napisan da popuni izgled osoba čita kao sadržaj, a ne kao ispunu, i to nitko nije mjerio. Objaviti 3.926 stranica takvog teksta samo na temelju rezultata o dupliciranju značilo bi odgovoriti na pitanje koje nismo postavili.