Corpus fixo de artefatos de texto e relatório de reprodutibilidade
Pergunta de pesquisa
Com configurações seguras, o mecanismo local de formatação consegue remover deterministicamente artefatos mecânicos selecionados e preservar o texto visível que já está limpo? Este relatório testa apenas esse comportamento específico. Não mede autoria por IA nem compara modelos de linguagem.
Esta página localiza a descrição de um corpus fixo existente; isso não significa que o algoritmo de limpeza tenha sido validado separadamente para cada idioma.
Corpus e licença
Os exemplos sintéticos escritos pelo responsável são publicados sob CC0-1.0 e não contêm texto de usuários. O corpus registra os campos prompt, model, model version e generation date. Prompt e model são explicitamente null porque nenhum modelo generativo produziu os exemplos.
Baixar o corpus fixo de artefatos de texto AnyFormatLocal v1
Método
Cada exemplo contém uma string de entrada, IDs das regras selecionadas e uma saída esperada exata. O teste automatizado carrega o JSON público, executa o mesmo mecanismo local-format-cleaner usado no produto e compara as strings exatamente. A contagem de alterações vem dos registros do mecanismo; a contagem de caracteres usa o comprimento de strings do JavaScript.
Identificadores das amostras
hidden-unicode, nbsp, tabs, repeated-spaces, blank-lines, markdown, punctuation-safe, multilingual
Resultados
Os oito exemplos fixos da versão 1 passam no teste de reprodutibilidade do repositório. O conjunto abrange Unicode invisível, espaços inseparáveis, tabulações, espaços repetidos, linhas vazias em excesso, remoção opcional de Markdown, preservação segura de pontuação e texto multilíngue. O resultado se aplica somente a esses casos fixos e à versão do mecanismo testada.
Limitações
O corpus é sintético e intencionalmente pequeno. Não representa todos os editores, idiomas, pontos de código Unicode ou formatos de documento. Passar no teste não significa que qualquer texto esteja sem erros, tenha sido escrito por uma pessoa ou esteja pronto para publicação. Os exemplos fixos não representam taxas de detecção no mundo real nem determinam autoria. Consulte a metodologia para os riscos das regras e revise as alterações no limpador local.
Reproduzir ou relatar uma correção
Execute a suíte de testes do repositório para reproduzir o teste do corpus. Relate erros de exemplo, resultado ou descrição a support@ai-text-cleaner.com. Correções aceitas serão publicadas em uma nova versão, sem alterar silenciosamente a v1.