El concurso HIPE-OCRepair-2026, parte de ICDAR 2026, evaluó la efectividad de los modelos de lenguaje grandes en la corrección de errores de OCR en documentos históricos. El concurso se centró en mejorar la búsqueda y el acceso a colecciones digitalizadas abordando problemas de OCR heredados sin volver a digitalizar.
- Los participantes corrigieron transcripciones ruidosas de periódicos y obras impresas en inglés, francés y alemán desde los siglos XVII hasta XX.
- La evaluación utilizó un enfoque de puntuación orientado a la recuperación en lugar de puntuación diplomática para reflejar casos de uso prácticos.
- Cuatro equipos presentaron sistemas que van desde zero-shot prompting hasta continued pre-training y fine-tuning.
- Los resultados mostraron que los sistemas modernos asistidos por LLM mejoran significativamente la calidad del OCR, aunque el rendimiento varía entre idiomas y niveles de ruido.
- La sobre-corrección en entradas con bajo ruido se identificó como un desafío recurrente, destacando la necesidad de evaluación más allá de la reducción del error de caracteres.
El conjunto de datos, el evaluador y la tubería de evaluación se han publicado públicamente para apoyar futuras investigaciones en esta área.