Apa yang terhutang oleh halaman templat kepada pembaca

PPT AI menerbitkan 3,926 templat pembentangan, setiap satu dengan halamannya sendiri di ppt.sophoninc.com. Halaman yang tugasnya adalah untuk menunjukkan reka bentuk masih perlu boleh dibaca oleh seseorang yang belum dapat melihat reka bentuk itu, atau yang sedang membuat keputusan antara dua daripadanya. Ini bermakna sekurang-kurangnya: untuk apa dek itu, apa yang ada pada setiap slaid, berapa banyak slaid dan pada saiz apa, apa yang boleh diubah, dan bagaimana untuk bermula. Siaran ini adalah tentang mengetahui sejauh mana halaman kami daripadanya, dan apa yang kami ukur sebelum menambah apa-apa.

Apa yang dipaparkan oleh halaman templat hari ini

Empat halaman templat diambil dan dikira pada 16 September 2026. Kaedah pengiraan: buang elemen script dan style, buang tag yang tinggal, nyahlepas entiti HTML, ambil token perkataan yang sepadan dengan [A-Za-z0-9][A-Za-z0-9’'&-]*, dan tukarkannya kepada huruf kecil sebelum mengira perkataan yang unik. Pengecam token dinyatakan kerana kiraan unik berubah sebanyak beberapa perkataan bergantung padanya.

“Shared chrome” ialah 60 perkataan berbeza yang sama pada keempat-empat halaman: navigasi, pengaki, jejak serbuk roti dan dua seruan tindak. Buang semua itu dan antara 19 hingga 31 perkataan berbeza pada setiap halaman adalah tentang templat itu. Selebihnya adalah sama pada 3,926 halaman.

Sebagai konteks, sepanjang tiga bulan sehingga 16 September 2026, halaman-halaman tersebut menarik 484 tera dan 7 klik pada kedudukan purata 20.2, merentasi 187 halaman unik dan 12 pertanyaan unik. Angka ini datang daripada Google Search Console untuk sc-domain:sophoninc.com, ditapis kepada ppt.sophoninc.com/templates/. Search Console hanya boleh dilihat oleh pemilik hartanah; hartanah, penapis dan julat tarikh diberikan supaya sesiapa yang mempunyai akses boleh menghasilkan semula angka tersebut, yang merupakan cara paling boleh disemak untuk sumber itu.

Soalan yang perlu dijawab oleh audit

Slaid setiap templat membawa teks: tajuk, label, salinan badan yang ditulis untuk mengisi reka bentuk. Ia disiarkan secara terbuka di /api/v2/templates/<slug>/slides/<n>, dan ia adalah perkara yang paling jelas untuk diletakkan pada halaman. Sebelum berbuat demikian, satu bantahan perlu dijawab: 3,926 halaman salinan dek yang dijana boleh menjadi 3,926 halaman yang hampir serupa, yang lebih teruk daripada 3,926 halaman yang ringkas.

Jadi: berapa banyak teks yang dikongsi oleh satu templat dengan templat yang paling menyerupainya?

Mengapa sampel seragam memberikan jawapan yang salah

Kaedah naif adalah dengan mengambil sampel templat secara rawak dan membandingkan pasangan. Kaedah itu tidak dapat mencari penduaan dalam korpus ini, dan wajar untuk menyatakan sebabnya dengan tepat.

Pustaka ini disusun mengikut kategori, resipi dan famili gaya. Pasangan rawak yang diambil daripada 3,926 item kebanyakannya ialah pasangan daripada kategori berbeza tentang subjek yang berbeza. Pasangan tersebut hampir tidak berkongsi apa-apa, tidak kira betapa banyak penduaan dalam korpus. Kami telah mengukurnya: 392 pasangan rentas famili rawak mempunyai median pembendungan 5-gram sebanyak 0.00% dan maksimum 0.3%. Sampel seragam mengembalikan “the corpus is unique” sebagai artifak pensampelan, bukan sebagai penemuan.

Pasangan yang akan mendedahkan penduaan ialah jiran terdekat, dan ia merupakan sebahagian kecil daripada semua pasangan. Jadi, sampel telah diwujudkan untuk memihak kepada mereka. Templat dikumpulkan mengikut kategori, slug resipi dan keluarga gaya, dan 33 kumpulan telah diambil merentasi empat jenis:

• kembar bernombor, di mana slug hanya berbeza dengan akhiran -2 atau -3 (8 kumpulan)
• resipi yang sama dan keluarga gaya yang sama (4 kumpulan)
• keluarga gaya yang sama, resipi berbeza (13 kumpulan)
• kumpulan liputan, satu bagi setiap kategori, supaya tiada kategori yang tidak diukur (8 kumpulan)

Teks slaid kemudiannya diambil untuk setiap ahli setiap kumpulan: 232 templat, 1,034 slaid, 0 ralat pengambilan, pada 16 September 2026. Itu adalah 5.9% daripada korpus, dipilih untuk menjadi 5.9% yang paling sukar.

Laluan penentu

Memberatkan sampel sahaja masih tidak mencukupi, kerana jiran terdekat sebenar sesuatu templat mungkin tidak diambil, yang akan memperkecilkan pertindihan. Jadi, laluan kedua mengehadkan perbandingan kepada kelompok di mana setiap ahli telah diambil: 46 kelompok lengkap, 117 templat. Di dalamnya, jiran terdekat sesuatu templat dalam keseluruhan korpus 3,926 templat dijamin berada dalam set yang diukur.

Metriknya ialah pembendungan 5-gram: pecahan jujukan lima perkataan unik sesuatu templat yang juga wujud dalam templat terdekatnya. Pembendungan digunakan dan bukannya Jaccard kerana ia tidak simetri — templat pendek yang terkandung sepenuhnya dalam templat panjang patut dibaca sebagai pendua sepenuhnya, dan Jaccard akan melaporkannya sebagai unik sebahagiannya.

Keputusan untuk 117 templat tersebut, berbanding jiran korpus terdekat yang sebenar:

Laluan 3-gram bertujuan untuk mengesan salinan yang diolah semula dan bukannya diguna semula; ia mengubah angka tetapi bukan kesimpulannya. Pasangan terburuk dalam korpus ialah poster-quote-typography-modern-gradient berbanding poster-bold-text-modern-gradient, pada 8.82%.

Merentasi semua 232 templat: daripada 3,448 ayat unik yang terdiri daripada enam perkataan atau lebih, 2 ayat muncul dalam lebih daripada satu templat — “the results relate only to the items tested” dan “no other graphic elements should intrude into this zone”. Bagi setiap slaid, daripada 992 slaid yang membawa 20 perkataan atau lebih, pembendungan median dengan slaid terdekat dalam mana-mana templat lain ialah 0.0%; 8 daripadanya melebihi 20% dan tiada yang melebihi 50%. Kesamaan topikal yang diukur dengan kosinus beg perkataan, yang mengabaikan pemilihan kata, adalah lebih tinggi, seperti yang sepatutnya untuk dua templat resume: median 12.7% berbanding templat terdekat dari keluarga yang sama, maksimum 35.3%.

Had yang jujur: ini adalah 232 daripada 3,926 templat dan 117 dalam set jiran terdekat yang dijamin. Ini adalah bukti tentang bahagian korpus yang paling sukar, bukan bukti tentang keseluruhannya.

Apa yang kami putuskan

Audit ini menyingkirkan bantahan penduaan terhadap penerbitan teks slaid. Kami tidak menerbitkan isi slaid. Kami menerbitkan tajuk slaid, yang sudah wujud dalam rekod templat dan sedang diambil dan dibuang.

Disemak merentasi semua 3,926 templat sebelum menerbitkannya: 14,969 tajuk, tiada yang kosong, tiada yang hanya “Slide N” atau “Page N”, dan slide_titles.length sama dengan slide_count pada setiap satu. Dua had direkodkan dan bukannya diselaraskan: 156 tajuk (1.0%) berakhir dengan “… Page N”, dan pada 77 templat (2%) setiap tajuk berbuat demikian. 1,321 templat (34%) mempunyai satu slaid dan tidak mendapat senarai langsung.

Oleh itu, perubahan ini mencapai 2,605 halaman dan menambah median 15 perkataan pada setiap halaman, min 10.4 perkataan setiap halaman merentasi korpus. Ini adalah nyata dan ia kecil. Ia tidak dengan sendirinya mengeluarkan halaman daripada wilayah kandungan nipis, dan bahagian yang lebih berguna mungkin ialah tajuk-tajuk itu boleh diklik: melompat ke slaid 7 sebelum ini memerlukan penekanan Seterusnya sebanyak enam kali.

Cawangan yang sama memautkan templat yang tidak dipautkan ke mana-mana. Halaman layari menetapkan aspect_ratio kepada 16:9, iaitu kira-kira 45% daripada pustaka, jadi selebihnya tidak muncul di mana-mana halaman hab dan dalam mana-mana blok berkaitan: /templates?category=document dan ?category=poster mengembalikan halaman “coming soon” dengan sifar pautan templat. Halaman yang tiada pautan dalaman kepadanya tidak perlu menawarkan apa-apa kepada pembaca, kerana tiada pembaca yang akan tiba.

Tidak digunakan, dan satu soalan masih terbuka

Semua ini belum disiarkan secara langsung. Ini ialah pull request 10 di Sophon-LLC/ppt-ai, yang dibuka pada 15 September 2026 dan masih dibuka pada 16 September 2026. Ia mempunyai tiga commit dan telah disahkan dengan semakan jenis, larian lint dan binaan produksi yang dihidangkan terhadap datastore langsung. Sehingga ia digabungkan, halaman-halaman ini adalah seperti yang diukur di bahagian atas siaran ini.

Soalan yang terbuka ialah soalan yang tidak dijawab oleh audit. Set yang diukur membawa median 288 perkataan teks isi setiap templat, berbanding 19 hingga 31 perkataan khusus templat yang dipaparkan oleh halaman hari ini. Audit mengatakan bahawa teks itu tidak berulang. Ia tidak mengatakan bahawa teks yang ditulis untuk mengisi susun atur dibaca sebagai kandungan oleh seseorang dan bukannya sebagai pengisi, dan tiada siapa yang telah mengukurnya. Menerbitkan 3,926 halaman daripadanya berdasarkan hasil penduaan sahaja akan menjadi jawapan kepada soalan yang tidak kami tanya.