研究提出实体级OCR评估方法并构建标注基准

Camilo Mariño等作者提出一种以实体级错误分析评估历史文献OCR质量的方法，并基于Berrutti Archive的175份文档构建基准，加入5,209条人工标注的实体提及。作者称这些标注将在论文被接收后公开。 他们用该基准评测序列识别OCR、OCR专用视觉语言模型和通用视觉语言模型，发现系统排名会随评价标准变化：Qwen 3.6在所有测试容差下实体覆盖率最高，而部分精确匹配覆盖率较低的系统在允许小字符误差后覆盖率明显回升。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。