Конкурс HIPE-OCRepair-2026, часть ICDAR 2026, оценил эффективность больших языковых моделей в исправлении ошибок OCR в исторических документах. Конкурс был сосредоточен на улучшении поиска и доступа к оцифрованным коллекциям путем решения проблем устаревшего OCR без повторной оцифровки.
- Участники исправляли зашумленные транскрипты газет и печатных работ на английском, французском и немецком языках с 17 по 20 века.
- Оценка использовала подход скоринга, ориентированный на поиск, а не дипломатический скоринг, чтобы отразить практические сценарии использования.
- Четыре команды представили системы, ranging от zero-shot prompting до continued pre-training и fine-tuning.
- Результаты показали, что современные системы с поддержкой LLM значительно улучшают качество OCR, хотя производительность варьируется в зависимости от языков и уровней шума.
- Избыточная коррекция на входах с низким уровнем шума была выявлена как повторяющаяся проблема, подчеркивая необходимость оценки за пределами сокращения ошибки символов.
Набор данных, скорер и конвейер оценки публично выпущены для поддержки будущих исследований в этой области.