arXiv NLP·6 天前★ 2
arXiv 论文发布实体级 OCR 评测基准，Qwen 3.6 实体覆盖率最高
原文标题：Entity-Aware Evaluation of OCR Systems for Historical Document Transcription
重要度 2/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
AI 智能摘要
研究基于 Berrutti 档案馆 175 份文档、5209 条人工标注实体，比较序列识别 OCR、OCR 专用视觉语言模型与通用视觉语言模型。结果显示 OCR 排名取决于评测标准：Qwen 3.6 在各容错阈值下实体覆盖率最高，而部分精确匹配较差的系统在小错误容忍下大幅回升，说明字符错误率不足以刻画 OCR 质量。
所属主题Qwen4
阅读原文 +0
AI 处理过程展开/收起
原始标题：Entity-Aware Evaluation of OCR Systems for Historical Document Transcription
AI 中文标题：arXiv 论文发布实体级 OCR 评测基准，Qwen 3.6 实体覆盖率最高
来源：arXiv NLP · 发布于 6 天前
分类：多模态 · AI 重要度：★ 2（2）
标签：OCR / 视觉语言模型 / 评测基准 / Qwen
关键词：OCR 评测 / Qwen 3.6 / 视觉语言模型 / 实体识别 / 历史文档数字化
AI 处理：2026/10/27 12:01:27 · 模型 deepseek-chat · 规则版本 2026-10-21.1
相关推荐
InfoQ AI·2 天前★ 4
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。
#多模态
The Verge AI·5 天前★ 4
谷歌发布Genie 4世界模型，可生成带音频交互体验
AI 摘要谷歌发布 Genie 4 世界模型，支持更真实的世界、自然语言实时修改、音频生成，底层由 Gemini 3.8 Flash 驱动，单次体验时长从 1 分钟提升至约 2 分钟。该模型先以研究预览形式向受信任测试者开放，并将向 Google AI Ultra 订阅用户推出。
#多模态
TechCrunch AI·5 天前★ 4
谷歌 DeepMind 发布 Genie 4 世界模型，新增音频与实时操控
AI 摘要谷歌 DeepMind 发布世界模型 Genie 4，新增实时音频、更逼真的模拟环境，并支持在模拟过程中用文本提示实时操控。该模型以研究预览形式向受信任测试者开放，进一步推进可交互世界模型的能力边界。
#多模态
Hacker News – AI·11 天前★ 4
谷歌 DeepMind 称四个 Gemini 4 智能体 27 小时通关《我的世界》
AI 摘要谷歌 DeepMind 表示，四个基于 Gemini 4 的 AI 智能体在 27 小时内自行编写 2783 段程序，成功通关《我的世界》。过程中智能体在简单难度下死亡 605 次，估计消耗约 520 美元 token 成本。
#多模态