Skip to content

もの単位にまとめるとき、本文は要約せずに連結する 2026-11-10 測定 · v0.129 ​

確かめたこと。 手入れのもの単位にまとめるは、題が「X の Y」で X が同じページを 1 ページにまとめます。そのとき、本文をどう合わせるのがよいのでしょうか。既存の AI による本文の統合にまかせるか、各ページの本文をそのまま節として連結するか、の 2 通りを比べました。

ひとことで。 AI に統合させるより、本文をそのまま連結するほうが、情報が落ちませんでした。そこで、まとめるときは AI を使わず、吸収する各ページの本文をそのまま ## Y の節として連結します。

  • 今回の 3 組のうち大きい 2 組では、AI の統合で、出典の印と単位つきの数値が大きく減りました。
  • 27 ページの組では、文字数が約 4 分の 1、出典の印が約 3 割になりました。単位つきの数値は 54 種のうち、同じ表記で残ったのは 22 種でした。
  • 6 ページの組でも、出典の印と数値は半分ほどになりました。
  • 4 ページの組は差が小さく、出典の印が 5 から 4 になっただけです。
  • 連結は、3 組とも出典の印・数値・元の行を全部残しました。

測り方 ​

2026-11-10 に、v0.129.2 にこの機能の作業中のコードを載せて測りました。AI の統合に使ったモデルは gpt-oss-120b です。

  • 私のライブラリから 3 組(37 ページ)と、その 3 組が引く資料だけを、隔離した写しに入れました。写しは方式ごとに作り直しています。本物のライブラリは読むだけです。
  • 3 組は、27 ページの組(X という題のページあり)、6 ページの組(同じく X のページあり)、4 ページの組(X のページが無く、残るページの題を付け替える)です。
  • 組は、いちばん大きい組、題を付け替える小さい組、X のページがある中くらいの組、という条件で選びました(無作為ではありません)。
  • 手入れの画面から 3 組をまとめ、まとめる前の各ページの本文と、まとめた後の 1 ページの本文を比べました。
  • 数えたのは次の項目です。
    • 文字数
    • 出典の印([[source:…]])の数
    • 元の行が一字一句そのまま残っている数
    • 単位つきの数値の種類と、そのうち残った数
    • ## の節の数
  • 数値は正規表現(文字列のパターン)で拾いました。単位は K・°C・℃・%・eV・W・GPa・MPa・nm・μm・µV・mW・h・min・at・mm・rpm・cm です。「種類」は、表記の違う文字列の数です。「残った」は、元と同じ文字列が、まとめた後にも出てくることを指します。
  • AI の統合は、吸収する側を 6 ページずつに分けて、順に行いました。

結果 ​

各セルは 27 ページ/6 ページ/4 ページの組の順です。

まとめる前AI の統合連結(最初の版)連結(最終版)
文字数22,325 / 4,589 / 4485,863 / 2,313 / 36022,410 / 4,605 / 45822,688 / 4,658 / 494
出典の印204 / 40 / 560 / 19 / 4204 / 40 / 5204 / 40 / 5
残った数値の種類54 / 9 / 022 / 4 / 054 / 9 / 054 / 9 / 0
一字一句残った元の行229 / 41 / 934 / 8 / 5229 / 41 / 9229 / 41 / 9
## の節-3 / 3 / 13 / 2 / 027 / 7 / 4
  • AI の統合。 AI が本文を書き直すので、節は定義・要点・食い違いの決まった見出しだけになり、性質ごとの節にはなりませんでした。「一字一句残った行」は、AI が書き直す以上、情報が落ちた量をそのまま表しません。代わりに、数値の種類と出典の印の減り方を見ています。数値は、表記が変わっただけでも「残らなかった」側に入ります。27 ページの組の AI の出力には、単位つきの数値が 28 種あり、うち元と同じ表記のものが 22 種でした。
  • 連結(最初の版)。 中身は何も落ちませんでしたが、節がページ数より少なくなりました。保存の前に「空の見出し」を取り除く既存の処理が、## 性質の名前 の直後に ### … の小見出しが続く形を、空とみなして消したためです。
  • 連結(最終版)。 空の見出しかどうかを見出しの階層で判定するように直し、ページの中の見出しを、節の下に収まるよう下げました。すべて残り、吸収した各ページが ## の節になりました。残すページの本文は、節にせず先頭にそのまま置きます。節の数には、そのページに元からある ## も含まれます。見出しが足されるぶん、文字数は元よりわずかに増えます。
  • 所要時間。 AI の統合は 3 組で数分でした(AI を 7 回呼びます)。連結は数秒でした(AI を呼びません)。正確な秒数は記録していません。

決めたこと ​

  • まとめるときは AI を使いません。 残すページの本文を先頭に置き、吸収する各ページの本文をそのまま ## Y の節として続けます。中の見出しは、節の下に収まるように下げます。
  • 吸収する側を分けて AI に渡すやり方は、採りませんでした。 測定では 6 ページずつ渡しましたが、連結ではその必要がありません。
  • 空の見出しを除く処理は、見出しの階層で判定するようにしました。 この処理はトピックの保存全般で使われているので、まとめる処理だけの変更ではありません。

限界 ​

  • 測ったのは、1 つのライブラリの 3 組を 1 回ずつ、モデルも 1 つです。3 組とも同じ分野で、同じモデルが書いたページです。組は条件で選んだもので、いちばん大きい組が入っています。
  • 27 ページの組は、6 ページずつ 5 回に分けて順に統合しました。減り方には、書き直しを重ねた影響が含まれるかもしれません(1 回で済む 6 ページの組でも減っています)。
  • 数値の種類は、正規表現で拾えたものだけです。単位の無い数は数えていません。表記が変わった数値は「残らなかった」側に入るので、22 種は少なめの見積もりです。
  • AI の統合で落ちた内容が、落としてよい重複だったのか、必要な情報だったのかは、人が読んで判定していません。言えるのは、数値と出典の印が減った、というところまでです。
  • 連結したページの読みやすさは測っていません。27 ページを連結すると、約 2.3 万字になります。
  • AI の統合の指示文を、連結用に書き直して比べることはしていません。
  • まとめたページに、あとから資料を取り込んだとき、AI の改訂がその本文をどう扱うかは測っていません。

Released under the Apache License 2.0.