PPT AI skelbia 3 926 pristatymų šablonus, kurių kiekvienas turi savo puslapį ppt.sophoninc.com. Puslapis, kurio paskirtis yra parodyti dizainą, vis tiek turi būti įskaitomas tam, kas dar nemato dizaino arba renkasi iš dviejų. Tai reiškia bent jau: kam skirta prezentacija, kas yra kiekvienoje skaidrėje, kiek skaidrių ir kokio dydžio, ką galima keisti ir kaip pradėti. Šis įrašas yra apie tai, kaip išsiaiškinome, kiek mūsų puslapiai nuo to nutolę, ir ką išmatavome prieš ką nors pridėdami.
Ką šablono puslapis atvaizduoja šiandien
2026 m. rugsėjo 16 d. buvo atsiųsti ir suskaičiuoti keturi šablonų puslapiai. Skaičiavimo metodas: pašalinti script ir style elementus, pašalinti likusias gaires, atkurti HTML esybes, išrinkti žodžių ženklus, atitinkančius [A-Za-z0-9][A-Za-z0-9’'&-]*, ir prieš skaičiuojant unikalius paversti juos mažosiomis raidėmis. Ženklinimo įrankis nurodytas, nes unikalių žodžių skaičius, priklausomai nuo jo, kinta keliais žodžiais.
| Puslapis | Visi žodžiai | Unikalūs žodžiai | Unikalūs žodžiai be bendrų elementų |
|---|---|---|---|
| brand-agency-book-editorial-dark | 148 | 91 | 31 |
| medical-blood-test-clean-corporate | 142 | 88 | 28 |
| resume-illustrator-professional-blue | 147 | 90 | 30 |
| poster-bold-text-modern-gradient | 134 | 79 | 19 |
„Shared chrome“ yra 60 skirtingų žodžių, bendrų visiems keturiems puslapiams: naršymo juosta, poraštė, navigacijos kelias ir du raginimai veikti. Pašalinus juos, kiekviename puslapyje lieka nuo 19 iki 31 skirtingo žodžio apie tą šabloną. Likusi puslapio dalis yra tokia pati 3926 puslapiuose.
Kontekstui: per tris mėnesius iki 2026 m. rugsėjo 16 d. šie puslapiai sulaukė 484 parodymų ir 7 paspaudimų, o vidutinė pozicija buvo 20,2, apimant 187 unikalius puslapius ir 12 unikalių užklausų. Šis skaičius gautas iš „Google Search Console“ pagal sc-domain:sophoninc.com, filtruojant pagal ppt.sophoninc.com/templates/. „Search Console“ matoma tik nuosavybės savininkams; nuosavybė, filtras ir datų intervalas nurodyti tam, kad bet kas, turintis prieigą, galėtų tai atkartoti – tai patikimiausias būdas patikrinti šį šaltinį.
Klausimas, į kurį turėjo atsakyti auditas
Kiekvieno šablono skaidrėse yra teksto: antraščių, etikečių, pagrindinio teksto, parašyto dizainui užpildyti. Jis viešai pasiekiamas adresu /api/v2/templates/<slug>/slides/<n> ir tai yra akivaizdus dalykas, kurį galima įdėti į puslapį. Prieš tai darant, reikia atsakyti į vieną prieštaravimą: 3 926 puslapiai sugeneruoto pristatymo teksto galėtų būti 3 926 beveik identiški puslapiai, o tai yra blogiau nei 3 926 menko turinio puslapiai.
Taigi: kiek teksto šablonas dalijasi su labiausiai į jį panašiu šablonu?
Kodėl vienoda imtis duoda klaidingą atsakymą
Naivus metodas yra atsitiktinai imti šablonus ir lyginti poras. Šis metodas negali rasti dubliavimosi šiame korpuse, ir verta tiksliai paaiškinti, kodėl.
Biblioteka suskirstyta pagal kategorijas, receptus ir stilių šeimas. Atsitiktinė pora, paimta iš 3926 elementų, didžiąja dalimi bus pora iš skirtingų kategorijų apie skirtingus dalykus. Šios poros beveik neturi nieko bendra, nesvarbu, kiek pasikartojantis yra rinkinys. Mes tai išmatavome: 392 atsitiktinių porų iš skirtingų šeimų 5 gramų sutapimo mediana yra 0,00 %, o didžiausia reikšmė – 0,3 %. Vienoda imtis grąžina „the corpus is unique“ kaip atrankos artefaktą, o ne kaip išvadą.
Poros, kurios atskleistų dubliavimąsi, yra artimiausi kaimynai, ir jos sudaro nykstamai mažą visų porų dalį. Todėl imtis buvo pasverta jų naudai. Šablonai buvo sugrupuoti pagal kategoriją, recepto trumpinį ir stiliaus šeimą, ir buvo paimtos 33 grupės iš keturių rūšių:
- numeruoti dvyniai, kurių trumpiniai skiriasi tik galūne
-2arba-3(8 grupės) - tas pats receptas ir ta pati stiliaus šeima (4 grupės)
- ta pati stiliaus šeima, skirtingas receptas (13 grupių)
- aprėpties grupės, po vieną kiekvienai kategorijai, kad nė viena kategorija neliktų neišmatuota (8 grupės)
Tada 2026 m. rugsėjo 16 d. buvo gautas visų grupių visų narių skaidrių tekstas: 232 šablonai, 1 034 skaidrės, 0 gavimo klaidų. Tai yra 5,9 % korpuso, parinkti kaip sudėtingiausi 5,9 %.
Lemiamas etapas
Vien imties pasvėrimo nepakanka, nes tikrasis artimiausias šablono kaimynas gali būti vienas iš tų, kurie nebuvo gauti, o tai sumažintų persidengimo įvertį. Todėl antrasis etapas apribojo palyginimą iki grupių, kurių visi nariai buvo gauti: 46 visos grupės, 117 šablonų. Jose garantuojama, kad artimiausias šablono kaimynas visame 3 926 šablonų korpuse yra išmatuotame rinkinyje.
Metrika yra 5 gramų sulaikymas: šablono skirtingų penkių žodžių sekų, kurios taip pat pasitaiko artimiausiame atitikmenyje, dalis. Sulaikymas, o ne Jaccard, nes jis yra asimetriškas – trumpas šablonas, visiškai esantis ilgame, turėtų būti laikomas visiškai pasikartojančiu, o Jaccard rodytų, kad jis yra iš dalies unikalus.
Tų 117 šablonų rezultatai, palyginti su tikruoju artimiausiu korpuso kaimynu:
| Rodiklis | Reikšmė |
|---|---|
| 5 gramų sulaikymo mediana | 0,00% |
| Vidurkis | 0,50% |
| 95-asis procentilis | 3,46% |
| Maksimumas | 8,82% |
| Šablonai, viršijantys 10 % | 0 |
| 3 gramų sulaikymas, mediana / maksimumas | 0,31% / 13,89% |
3 gramų etapas skirtas aptikti tekstą, kuris buvo perfrazuotas, o ne pakartotinai panaudotas; jis keičia skaičius, bet ne išvados. Blogiausia pora korpuse yra poster-quote-typography-modern-gradient ir poster-bold-text-modern-gradient, kurių rodiklis yra 8,82 %.
Tarp visų 232 šablonų: iš 3 448 skirtingų šešių ar daugiau žodžių sakinių, 2 pasitaiko daugiau nei viename šablone – „the results relate only to the items tested“ ir „no other graphic elements should intrude into this zone“. Kalbant apie skaidres, iš 992 skaidrių, kuriose yra 20 ar daugiau žodžių, sulaikymo mediana su artimiausia skaidre bet kuriame kitame šablone yra 0,0 %; 8 viršija 20 %, ir nė viena neviršija 50 %. Teminis panašumas, matuojamas pagal žodžių maišo kosinusą, kuris neatsižvelgia į formuluotę, yra didesnis, kaip ir turėtų būti dviejų CV šablonų atveju: mediana 12,7 %, palyginti su artimiausiu tos pačios šeimos atitikmeniu, maksimumas 35,3 %.
Sąžiningas apribojimas: tai yra 232 iš 3 926 šablonų ir 117 rinkinyje su garantuotai artimiausiu atitikmeniu. Tai yra įrodymas apie sudėtingiausią korpuso dalį, o ne įrodymas apie visą korpusą.
Ką mes nusprendėme
Auditas pašalina prieštaravimą dėl pasikartojimo skelbiant skaidrių tekstą. Mes neskelbėme skaidrių turinio. Mes paskelbėme skaidrių pavadinimus, kurie jau buvo šablono įraše ir buvo gaunami bei atmetami.
Prieš paskelbiant, patikrinta visuose 3 926 šablonuose: 14 969 pavadinimai, nė vienas tuščias, nė vienas nebuvo tik „Slide N“ ar „Page N“, ir kiekviename iš jų slide_titles.length buvo lygus slide_count. Buvo užfiksuoti, o ne išlyginti, du apribojimai: 156 pavadinimai (1,0 %) baigiasi „… Page N“, o 77 šablonuose (2 %) taip baigiasi kiekvienas pavadinimas. 1 321 šablonas (34 %) turi vieną skaidrę ir visai neturi sąrašo.
Todėl pakeitimas paliečia 2 605 puslapius ir prideda medianą – 15 žodžių kiekvienam, o vidutiniškai – 10,4 žodžio vienam puslapiui visame korpuse. Tai realu, bet nedaug. Tai savaime neištraukia puslapio iš menko turinio teritorijos, o naudingesnė dalis gali būti ta, kad pavadinimai yra paspaudžiami: anksčiau, norint pereiti į 7 skaidrę, reikėjo šešis kartus paspausti „Kitas“.
Ta pati šaka pateikia nuorodas į tuos šablonus, į kuriuos anksčiau nevedė jokia nuoroda. Naršymo sąsajos pririšo kraštinių santykį prie 16:9, o tai sudaro apie 45 % bibliotekos, todėl likusi dalis nebuvo rodoma jokiame centriniame puslapyje ir jokiame susijusių elementų bloke: /templates?category=document ir ?category=poster grąžino „coming soon“ puslapį be jokių nuorodų į šablonus. Puslapis, į kurį neveda jokia vidinė nuoroda, nieko neskolingas skaitytojui, nes joks skaitytojas į jį nepatenka.
Neįdiegta ir vienas atviras klausimas
Niekas iš to nėra įdiegta. Tai yra pull request 10 Sophon-LLC/ppt-ai, atidaryta 2026 m. rugsėjo 15 d. ir vis dar atvira 2026 m. rugsėjo 16 d., trys pakeitimai, patikrinti atlikus tipo patikrą, kodo švaros patikrą ir gamybinės versijos sukūrimą, pateiktą naudojant veikiančią duomenų saugyklą. Kol pakeitimai nebus sujungti, puslapiai yra tokie, kokie buvo išmatuoti šio įrašo pradžioje.
Atviras klausimas yra tas, į kurį auditas neatsako. Išmatuotame rinkinyje yra mediana – 288 pagrindinio teksto žodžiai vienam šablonui, palyginti su 19–31 šablonui būdingais žodžiais, kuriuos puslapis atvaizduoja šiandien. Auditas teigia, kad šis tekstas nesikartoja. Jis nepasako, ar tekstas, parašytas išdėstymui užpildyti, žmogui atrodo kaip turinys, o ne kaip užpildas, ir niekas to neišmatavo. Paskelbti 3 926 puslapius tokio teksto remiantis vien tik pasikartojimo rezultatu reikštų atsakyti į klausimą, kurio mes neuždavėme.