A competição HIPE-OCRepair-2026, parte do ICDAR 2026, avaliou a eficácia de modelos de linguagem grandes na correção de erros de OCR em documentos históricos. O concurso focou em melhorar a busca e o acesso a coleções digitalizadas abordando problemas de OCR legados sem re-digitização.

  • Os participantes corrigiram transcrições ruidosas de jornais e obras impressas em inglês, francês e alemão dos séculos 17 ao 20.
  • A avaliação usou uma abordagem de pontuação orientada à recuperação em vez de pontuação diplomática para refletir casos de uso práticos.
  • Quatro equipes enviaram sistemas que variam de zero-shot prompting a continued pre-training e fine-tuning.
  • Os resultados mostraram que sistemas modernos assistidos por LLM melhoram significativamente a qualidade do OCR, embora o desempenho varie entre idiomas e níveis de ruído.
  • A sobre-correção em entradas com baixo ruído foi identificada como um desafio recorrente, destacando a necessidade de avaliação além da redução do erro de caracteres.

O conjunto de dados, o avaliador e o pipeline de avaliação foram lançados publicamente para apoiar pesquisas futuras nesta área.