Kompetisi HIPE-OCRepair-2026, bagian dari ICDAR 2026, mengevaluasi efektivitas model bahasa besar dalam memperbaiki kesalahan OCR pada dokumen bersejarah. Kontes ini berfokus pada peningkatan pencarian dan akses ke koleksi yang didigitalkan dengan mengatasi masalah OCR warisan tanpa melakukan digitalisasi ulang.
- Peserta memperbaiki transkrip berisik dari koran dan karya cetak berbahasa Inggris, Prancis, dan Jerman dari abad ke-17 hingga ke-20.
- Evaluasi menggunakan pendekatan penilaian berbasis pencarian daripada penilaian diplomatik untuk mencerminkan kasus penggunaan praktis.
- Empat tim mengirimkan sistem yang berkisar dari prompting zero-shot hingga pra-pelatihan berkelanjutan dan fine-tuning.
- Hasil menunjukkan bahwa sistem modern yang dibantu LLM secara signifikan meningkatkan kualitas OCR, meskipun kinerja bervariasi di berbagai bahasa dan tingkat kebisingan.
- Koreksi berlebihan pada input dengan kebisingan rendah diidentifikasi sebagai tantangan yang berulang, menyoroti perlunya evaluasi di luar pengurangan kesalahan karakter.
Dataset, scorer, dan pipeline evaluasi dirilis secara publik untuk mendukung penelitian masa depan di bidang ini.