Peneliti dari CERIST di Aljazair telah merilis versi fine-tuned dari model Qwen2.5-VL-3B yang secara khusus dirancang untuk mengenali naskah bersejarah berbahasa Arab. Proyek ini mengatasi tantangan signifikan yang ditimbulkan oleh tulisan tangan sambung, ligatur yang tidak konsisten, serta berbagai artefak halaman seperti foxing dan bleed-through.
Model ini dilatih menggunakan kurikulum tiga tahap: pra-pelatihan pada teks Arab umum, fine-tuning pada data naskah tanpa diakritik, dan fine-tuning akhir dengan diakritik yang dipulihkan. Model ini menerapkan pra-pemrosesan per jenis naskah untuk menangani anggaran piksel yang bervariasi di antara buku cetak, tulisan tangan sambung, litografi, dan naskah rubrikasi. Cekpoint terbaik saat ini mencapai Character Error Rate (CER) sebesar 6,58% dan Word Error Rate (WER) sebesar 22,34%, mengungguli benchmark seperti HATFormer dan submission NAKBA 2026 teratas.
Tim tersebut mengundang umpan balik mengenai demo, khususnya terkait kinerja pada sampel naskah yang sulit atau tidak biasa, untuk membantu meningkatkan pipeline untuk Pengenalan Teks Tertulis Tangan Arab.