語生科學員工藉 AI 最佳化 7-Zip 路由策略，未改核心程式碼將壓縮速度最高提升 97% 並開源

AI 孵化器語生科學一名無程式背景員工，在 AI 輔助下完成開源壓縮軟體 7-Zip 的系統級效能調校，該最佳化版本已在 Windows 與 macOS 雙平台通過測試並於 GitHub 開源。該方案未更動核心壓縮演算法，而是新增「內容感知路由器」，透過檔案頭快速識別、抽樣試壓（針對 4MB 以上檔案抽取首部 1MB 進行 LZMA2 試壓）與多點採樣機制，將檔案動態分配至 10 種不同的編碼通道（含 LZMA2 不同參數檔位與 PPMd 等）。為確保效能，切換通道前會以 1MB 樣本進行壓縮對比，若體積增加則控制增量小於 2% 才放行，且小於 4MB 的檔案會直接跳過探測走預設路徑。 測試數據顯示，macOS 平台多檔案歸檔場景壓縮速度最高提升 97.0%，散文文本提速 93.4%；Windows 平台同類檔案提速逾 80%，日誌類資料體積最大縮減 40.7%。大型二進位檔案在雙平台亦獲得 10% 至 18% 的壓縮提速，且所有檔案皆維持 100% 完整性驗證通過率，輸出為標準 .7z 格式，官方 7-Zip 可直接解壓縮。然而此方案亦有取捨：因選用更複雜的編碼通道，文字與日誌類檔案解壓縮耗時增加 2 至 3 倍；前置探測在面對 5GB 以上超大不可壓檔案時可能誤判導致壓縮耗時飆升；部分大型二進位檔案則犧牲約 2% 儲存空間以換取速度。