Festes Textartefakt-Korpus und Reproduzierbarkeitsbericht
Forschungsfrage
Kann die lokale Formatierungsengine bei sicheren Einstellungen ausgewählte mechanische Artefakte deterministisch entfernen und sichtbaren, sauberen Wortlaut unverändert lassen? Dieser Bericht prüft nur dieses eng umrissene Verhalten. Er misst weder KI-Autorenschaft noch vergleicht er Sprachmodelle.
Diese Seite lokalisiert die Beschreibung eines bestehenden festen Korpus. Sie bedeutet nicht, dass der Bereinigungsalgorithmus für jede Sprache einzeln validiert wurde.
Korpus und Lizenz
Die vom Maintainer erstellten synthetischen Beispiele stehen unter CC0-1.0 und enthalten keine Nutzertexte. Das Korpus enthält die Felder prompt, model, model version und generation date. prompt und model sind ausdrücklich null, da kein generatives Modell für die Erstellung verwendet wurde.
AnyFormatLocal Textartefakt-Korpus v1 herunterladen
Methode
Jedes Beispiel enthält eine Eingabezeichenfolge, ausgewählte Regel-IDs und eine exakt erwartete Ausgabe. Der automatisierte Test lädt das öffentliche JSON, führt dieselbe local-format-cleaner-Engine wie das Produkt aus und vergleicht die Zeichenfolgen exakt. Änderungszahlen stammen aus den Änderungsdatensätzen der Engine; Zeichenanzahlen verwenden die JavaScript-Stringlänge.
Beispielkennungen
hidden-unicode, nbsp, tabs, repeated-spaces, blank-lines, markdown, punctuation-safe, multilingual
Ergebnisse
Alle acht festen Beispiele der Version 1 bestehen den im Repository enthaltenen Reproduzierbarkeitstest. Abgedeckt sind unsichtbares Unicode, geschützte Leerzeichen, Tabulatoren, wiederholte Leerzeichen, überzählige Leerzeilen, optionale Markdown-Entfernung, sichere Zeichensetzung und mehrsprachiger Text. Das Ergebnis gilt nur für diese festen Fälle und die getestete Engine-Version.
Einschränkungen
Das Korpus ist synthetisch und bewusst klein. Es repräsentiert nicht alle Editoren, Sprachen, Unicode-Codepunkte oder Dokumentformate. Ein bestandener Test bedeutet nicht, dass beliebiger Text fehlerfrei, menschlich verfasst oder veröffentlichungssicher ist. Die festen Beispiele bilden keine Erkennungsrate in der Praxis ab und erlauben kein Urteil über die Autorenschaft. Hinweise zu Risiken einzelner Regeln stehen in der Methodik; Änderungen lassen sich mit dem lokalen Bereiniger prüfen.
Reproduzieren oder Korrektur melden
Führen Sie die Testsuite des Repositorys aus, um den Korpustest zu reproduzieren. Fehler in Beispiel, Ergebnis oder Beschreibung melden Sie an support@ai-text-cleaner.com. Angenommene Korrekturen erscheinen in einer neuen Korpusversion; v1 wird nicht stillschweigend geändert.