研究提出面向历史文档的实体级OCR评测方法

Camilo Mariño等研究者在arXiv发布研究，提出以实体层面的错误分析作为历史文档OCR质量的补充评测方法，并构建了基于Berrutti档案库175份公开文档、含5,209条人工标注实体提及的基准，标注数据将在论文被接收后发布。 研究比较了序列识别OCR系统、OCR专用视觉语言模型和通用视觉语言模型，结果显示Qwen 3.6在所有容差下实体覆盖率最高，部分系统在容忍小幅字符错误后可大幅恢复实体。研究者据此称，OCR质量不能仅靠CER等总体指标衡量。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。