PPT AI inachapisha violezo vya uwasilishaji 3,926, kila kimoja kikiwa na ukurasa wake katika ppt.sophoninc.com. Ukurasa ambao kazi yake ni kuonyesha muundo bado unapaswa kusomeka na mtu ambaye hawezi kuona muundo bado, au anayeamua kati ya miwili. Hiyo inamaanisha angalau: wasilisho ni la nini, kuna nini kwenye kila slaidi, slaidi ngapi na za ukubwa gani, nini kinaweza kubadilishwa, na jinsi ya kuanza. Chapisho hili linahusu kugundua jinsi kurasa zetu zilivyokuwa mbali na hilo, na kile tulipima kabla ya kuongeza chochote.
Kile ambacho ukurasa wa kiolezo unatoa leo
Kurasa nne za violezo zilichukuliwa na kuhesabiwa mnamo 16 Septemba 2026. Njia ya kuhesabu: ondoa vipengele vya script na style, ondoa lebo zilizobaki, badilisha herufi za HTML, chukua tokeni za maneno zinazolingana na [A-Za-z0-9][A-Za-z0-9’'&-]*, na uzifanye herufi ndogo kabla ya kuhesabu tofauti. Kitengeneza tokeni kimetajwa kwa sababu hesabu za maneno tofauti hubadilika kwa maneno machache kulingana nacho.
| Ukurasa | Jumla ya maneno | Maneno ya kipekee | Maneno ya kipekee nje ya sehemu za pamoja |
|---|---|---|---|
| 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” ni maneno 60 tofauti yanayopatikana kwenye kurasa zote nne: sehemu ya uelekezaji, sehemu ya chini, njia ya kurudi, na miito miwili ya kuchukua hatua. Ukiondoa hayo, kati ya maneno 19 na 31 tofauti kwenye kila ukurasa yanahusu kiolezo hicho. Sehemu iliyobaki ya ukurasa ni sawa kwenye kurasa 3,926.
Kwa muktadha, katika miezi mitatu hadi tarehe 16 Septemba 2026, kurasa hizo zilipata maonyesho 484 na mibofyo 7 zikiwa na nafasi ya wastani ya 20.2, kutoka kwa kurasa 187 tofauti na hoja 12 tofauti za utafutaji. Takwimu hii inatoka kwenye Google Search Console kwa sc-domain:sophoninc.com, ikichujwa kwa ppt.sophoninc.com/templates/. Google Search Console inaonekana tu na wamiliki wa mali hiyo; mali, kichujio, na kipindi cha tarehe vimetolewa ili mtu yeyote mwenye ruhusa aweze kuzalisha matokeo, jambo ambalo linafanya chanzo hicho kiweze kuthibitishwa kadiri iwezekanavyo.
Swali ambalo ukaguzi ulipaswa kujibu
Slaidi za kila kiolezo zina maandishi: vichwa vya habari, lebo, na maelezo yaliyoandikwa ili kujaza muundo. Yanapatikana kwa umma kwenye /api/v2/templates/<slug>/slides/<n>, na ndilo jambo dhahiri la kuweka kwenye ukurasa. Kabla ya kufanya hivyo, pingamizi moja linapaswa kujibiwa: kurasa 3,926 za maelezo ya slaidi yaliyozalishwa zinaweza kuwa kurasa 3,926 zinazokaribia kufanana, jambo ambalo ni baya zaidi kuliko kuwa na kurasa 3,926 zenye maudhui haba.
Kwa hivyo: kiolezo kinashiriki maandishi kiasi gani na kiolezo kinachofanana nacho zaidi?
Kwa nini sampuli sare inatoa jibu lisilo sahihi
Njia ya kawaida ni kuchukua sampuli za violezo bila mpangilio na kulinganisha jozi. Njia hiyo haiwezi kupata urudufu katika mkusanyiko huu, na ni muhimu kueleza kwa usahihi kwa nini.
Maktaba imepangwa kwa kategoria, kwa mapishi, na kwa familia ya mtindo. Jozi nasibu iliyochukuliwa kutoka kwa vipengee 3,926 kwa wingi ni jozi kutoka kategoria tofauti kuhusu mada tofauti. Jozi hizo hazifanani kwa karibu chochote bila kujali jinsi mkusanyiko ulivyo na marudio. Tulipima hili: jozi 392 nasibu za familia tofauti zina udhibiti wa median wa 5-gram wa 0.00% na kiwango cha juu cha 0.3%. Sampuli sare inarudisha “the corpus is unique” kama matokeo ya usampulishaji, si kama ugunduzi.
Jozi ambazo zingeonyesha urudufu ni zile zilizo karibu zaidi, na zinawakilisha sehemu ndogo sana ya jozi zote. Kwa hivyo, sampuli ilielekezwa zaidi kwao. Violezo vilipangwa katika makundi kwa kategoria, slug ya mapishi, na familia ya mtindo, na makundi 33 yalichaguliwa kutoka aina nne:
- mapacha wenye nambari, ambapo slugs zinatofautiana tu kwa kiambishi tamati cha
-2au-3(makundi 8) - mapishi sawa na familia ya mtindo sawa (makundi 4)
- familia ya mtindo sawa, mapishi tofauti (makundi 13)
- makundi ya uwakilishi, moja kwa kila kategoria, ili hakuna kategoria isiyopimwa (makundi 8)
Kisha, maandishi ya slaidi yalikusanywa kwa kila mwanachama wa kila kundi: violezo 232, slaidi 1,034, makosa 0 ya ukusanyaji, tarehe 16 Septemba 2026. Hiyo ni 5.9% ya mkusanyiko, iliyochaguliwa kuwa 5.9% ngumu zaidi.
Awamu ya uamuzi
Kupima uzito wa sampuli peke yake bado haitoshi, kwa sababu huenda kiolezo jirani cha kweli hakikuchukuliwa, jambo ambalo lingepunguza mwingiliano. Kwa hivyo, awamu ya pili ilifanya ulinganisho kwa makundi ambapo kila mwanachama alikuwa amechukuliwa: makundi 46 kamili, violezo 117. Ndani ya hayo, kiolezo jirani cha kiolezo chochote katika hifadhidata nzima ya violezo 3,926 kimehakikishwa kuwa katika seti iliyopimwa.
Kipimo ni mwingiliano wa 5-gram: sehemu ya mfuatano wa maneno matano tofauti ya kiolezo ambayo pia hupatikana katika kiolezo jirani chake. Mwingiliano badala ya Jaccard kwa sababu hauna ulinganifu — kiolezo kifupi kilichomo kabisa katika kiolezo kirefu kinapaswa kusomwa kama kimerudiwa kikamilifu, na Jaccard ingeripoti kuwa ni cha kipekee kwa sehemu.
Matokeo kwa violezo hivyo 117, dhidi ya jirani wa kweli katika hifadhidata:
| Kipimo | Thamani |
|---|---|
| Mwingiliano wa 5-gram wa median | 0.00% |
| Wastani | 0.50% |
| Asilimia ya 95 | 3.46% |
| Kiwango cha juu | 8.82% |
| Violezo vilivyo juu ya 10% | 0 |
| Mwingiliano wa 3-gram, median / kiwango cha juu | 0.31% / 13.89% |
Awamu ya 3-gram ipo ili kugundua nakala iliyoandikwa upya badala ya kutumiwa tena; inabadilisha takwimu lakini sio hitimisho. Jozi mbaya zaidi katika hifadhidata ni poster-quote-typography-modern-gradient dhidi ya poster-bold-text-modern-gradient, kwa 8.82%.
Katika violezo vyote 232: kati ya sentensi 3,448 tofauti za maneno sita au zaidi, 2 zinaonekana katika zaidi ya kiolezo kimoja — “the results relate only to the items tested” na “no other graphic elements should intrude into this zone”. Kwa kila slaidi, kati ya slaidi 992 zenye maneno 20 au zaidi, mwingiliano wa median na slaidi jirani katika kiolezo kingine chochote ni 0.0%; 8 ziko juu ya 20% na hakuna iliyo juu ya 50%. Ufanano wa mada uliopimwa kwa kosini ya mfuko wa maneno, ambayo hupuuza maneno, ni wa juu zaidi, kama inavyopaswa kuwa kwa violezo viwili vya wasifu: median 12.7% dhidi ya jirani wa familia moja, kiwango cha juu 35.3%.
Kikomo cha uaminifu: hivi ni violezo 232 kati ya 3,926 na 117 katika seti iliyohakikishiwa jirani. Ni ushahidi kuhusu sehemu ngumu zaidi ya hifadhidata, sio uthibitisho kuhusu yote.
Tulichoamua
Ukaguzi unaondoa pingamizi la urudufishaji dhidi ya kuchapisha maandishi ya slaidi. Hatukuchapisha maudhui ya slaidi. Tulichapisha vichwa vya slaidi, ambavyo vilikuwepo tayari katika rekodi ya kiolezo na vilikuwa vikichukuliwa na kutupwa.
Tulikagua violezo vyote 3,926 kabla ya kuvichapisha: vichwa 14,969, hakuna kilichokuwa tupu, hakuna kilichokuwa “Slide N” au “Page N” tu, na slide_titles.length ilikuwa sawa na slide_count kwa kila kimoja. Vikomo viwili vilirekodiwa badala ya kulainishwa: vichwa 156 (1.0%) vinaishia na “… Page N”, na kwenye violezo 77 (2%) kila kichwa kinafanya hivyo. Violezo 1,321 (34%) vina slaidi moja na havipati orodha yoyote.
Kwa hivyo, mabadiliko hayo yanafikia kurasa 2,605 na yanaongeza median ya maneno 15 kwa kila moja, wastani wa maneno 10.4 kwa kila ukurasa katika hifadhidata. Hii ni halisi na ni ndogo. Hii peke yake haitoi ukurasa kutoka eneo la maudhui hafifu, na sehemu muhimu zaidi inaweza kuwa kwamba vichwa vinaweza kubofyewa: kuruka hadi slaidi ya 7 hapo awali kulihitaji kubonyeza Inayofuata mara sita.
Tawi lilelile linaunganisha violezo ambavyo havikuwa na kiungo chochote. Sehemu za kuvinjari ziliweka aspect_ratio kuwa 16:9, ambayo ni takriban 45% ya maktaba, kwa hivyo vilivyosalia havikuonekana kwenye ukurasa wowote mkuu wala katika sehemu yoyote inayohusiana: /templates?category=document na ?category=poster zilirejesha ukurasa wa “coming soon” bila viungo vyovyote vya violezo. Ukurasa usio na kiungo cha ndani kinachoelekea kwake hauna deni lolote kwa msomaji, kwa sababu hakuna msomaji anayefika.
Haijatekelezwa, na swali moja bado liko wazi
Hakuna kati ya haya yaliyo hewani. Ni pull request 10 kwenye Sophon-LLC/ppt-ai, iliyofunguliwa tarehe 15 Septemba 2026 na bado iko wazi tarehe 16 Septemba 2026, ina ‘commits’ tatu, imethibitishwa kwa ukaguzi wa aina, ukaguzi wa ‘lint’ na ‘build’ ya uzalishaji iliyohudumiwa dhidi ya hifadhidata ya moja kwa moja. Hadi iunganishwe, kurasa ziko kama zilivyopimwa mwanzoni mwa chapisho hili.
Swali lililo wazi ni lile ambalo ukaguzi haujibu. Seti iliyopimwa ina median ya maneno 288 ya maudhui kwa kila kiolezo, dhidi ya maneno 19 hadi 31 mahususi kwa kiolezo ambayo ukurasa unaonyesha leo. Ukaguzi unasema maandishi hayo hayarudiwi. Hauseni kwamba maandishi yaliyoandikwa kujaza mpangilio yanasomeka kama maudhui kwa mtu badala ya kuwa kijazio, na hakuna aliyepima hilo. Kuchapisha kurasa 3,926 za maandishi hayo kwa kutegemea matokeo ya urudufishaji pekee itakuwa ni kujibu swali ambalo hatukuuliza.