Пишем архиватор на нейросетях: инференс любой модели сжимает данные без дообучения

Архивация данных — классическая задача, но нейросети дают ей второе дыхание. Автор предлагает нестандартный подход: использовать инференс (прямой проход) любой обученной нейронки для компрессии, без дообучения под конкретные данные.

В статье — краткий экскурс в историю архивации, от алгоритмов Лемпеля-Зива до нейросетевых методов, и пошаговое создание простого нейроархиватора. Идея в том, что модель предсказывает вероятности следующего символа, а код Хаффмана или арифметическое кодирование упаковывает данные компактнее.

Это больше proof-of-concept и образовательный туториал, чем готовый инструмент. Но он наглядно показывает, как даже базовая нейросеть может улучшить сжатие по сравнению с традиционными методами — если подобрать архитектуру и контекст.

Код и примеры работы — в материале. Подойдёт для тех, кто хочет понять, как нейросети применяются в неочевидных классических задачах.