作为ICDAR 2026的一部分，HIPE-OCRepair-2026竞赛评估了大型语言模型在纠正历史文档中OCR错误方面的有效性。该竞赛专注于通过解决遗留的OCR问题而不重新数字化来改善对数字化馆藏的搜索和访问。

  • 参与者校正了17世纪至20世纪的英语、法语和德语报纸及印刷作品的嘈杂转录文本。
  • 评估使用了面向检索的评分方法，而非外交评分，以反映实际用例。
  • 四个团队提交了从zero-shot prompting到continued pre-training和fine-tuning的系统。
  • 结果表明，现代LLM辅助系统显著提高了OCR质量，尽管性能因语言和噪声水平而异。
  • 在低噪声输入上的过度校正被确定为反复出现的挑战，突显了超越字符错误减少进行评估的必要性。

数据集、评分器和评估管道已公开发布，以支持该领域的未来研究。