本文介绍了一种用于历史满文光学字符识别（OCR）的多专家系统，旨在解决标注数据有限和视觉风格多样（包括楷书、行书和半草书官样字体）的挑战。该方法重用迭代微调过程中的检查点作为领域专家，并采用轻量级的页面级图像分类器根据页面的视觉风格进行分发。

  • 在冻结的测试集上，路由系统在楷书上实现了0.30%的字符错误率（CER），在奏折上为1.57%，在行书上为4.83%。
  • 路由器达到了99.3%的页面级领域准确率，与具有相同精度的领域标签预言机相匹配。
  • 选出的三位专家中有两位并非针对其最终领域专门训练，证明了系统有效重用现有检查点的能力。

作者报告了评估协议、路由器设计和逐页预测结果，以确保比较的可复现性。