Enhancing OCR Performance through Post-OCR Models: Adopting Glyph Embedding for Improved Correction
University of Zurich(苏黎世大学)
本研究提出利用CharBERT和独特字形嵌入的后OCR校正模型,有效弥补低性能OCR模型的不足,并实现单词级校正,提升OCR整体性能。
2023-08-29 cs.CL cs.CV
OCR Post Correction for Endangered Language Texts
Carnegie Mellon University(卡内基梅隆大学);George Mason University(乔治梅森大学)
对于大多数濒危语言,几乎没有数据可用于构建自然语言处理模型。但是,这些语言的文本数据通常以不可机器读取的格式存在,例如纸质书籍和扫描图像。在这项工作中,我们解决了从这些资源中提取文本的任务。我们创建了一个基准数据集的transcription扫描书籍在三个极度濒危的语言,并提出了一个系统的分析,如何通用OCR工具是不强大的濒危语言的数据稀缺的设置。我们开发了一种OCR后校正方法,以减轻在这种数据稀缺的环境中的训练,降低了三种语言的识别出错率平均34%。
2020-11-10 cs.CL
Advancing Post-OCR Correction: A Comparative Study of Synthetic Data
Insight Centre for Data Analytics(数据分析洞察中心);School of Computer Science, University College Dublin(都柏林大学学院计算机科学学院)
该研究探索合成数据在OCR后纠错中的应用,提出基于计算机视觉字形相似度的合成数据生成算法,验证ByT5等模型无需人工标注即可降低CER,且新方法在低资源语言上更具优势。
2024-08-13 cs.CL
From the Paft to the Fiiture: a Fully Automatic NMT and Word Embeddings Method for OCR Post-Correction
University of Helsinki(赫尔辛基大学)
大量的历史语料库在数字化过程中由于使用了光学字符识别(光学字符识别)方法而产生错误。手动纠正这些错误是一个耗时的过程,并且很大一部分自动方法一直依赖于规则或监督机器学习。我们提出了一种全自动无监督的方法来提取并行数据,用于训练基于字符的序列到序列NMT(神经机器翻译)模型来进行OCR纠错。
2019-10-12 cs.CL
OCR Post-Processing Error Correction Algorithm using Google Online Spelling Suggestion
LACSC – Lebanese Association for Computational Sciences(黎巴嫩计算科学协会(LACSC))
随着数字光学扫描仪的出现,许多纸质书籍,教科书,杂志,文章和文档正在转变为可以由计算机操作的电子版本。为此,开发了OCR,即光学字符识别的缩写,用于将扫描的图形文本转换为可编辑的计算机文本。不幸的是,OCR仍然是不完美的,因为它偶尔会错误地识别字母和错误地识别扫描文本,导致OCR输出文本中的拼写错误和语言错误。本文提出了一种基于上下文的OCR后处理纠错算法,用于检测和纠正OCR非字和实字错误。该算法基于Google的在线拼写建议,该建议利用了一个内部数据库,其中包含从网络上收集的大量术语和单词序列,便于为OCR过程中拼写错误的单词提出可能的替代方案。实验结果表明,OCR错误纠正率有了明显的提高。未来的研究可以改进所提出的算法,使其可以并行化,并在多处理平台上执行。
2012-04-01 cs.CL
Post-OCR Document Correction with large Ensembles of Character Sequence-to-Sequence Models
Department of Computer Science, Dalhousie University(达尔豪斯大学计算机科学系);Institute of Research in Social Sciences and Humanities (ICSOH), Universidad Nacional de Salta - CONICET(萨尔塔国立大学社会科学与人文研究所(ICSOH)- CONICET);Department of Computer Science and Engineering, Universidad Nacional del Sur(南方国立大学计算机科学与工程系);Institute for Computer Science and Engineering, UNS–CONICET(UNS–CONICET 计算机科学与工程研究所)
在本文中,我们提出了一种新的方法,字符序列到序列模型的基础上,纠正文件已经处理的光学字符识别(OCR)系统。本文的主要贡献是一组策略,以准确地处理字符串远长于用于训练序列模型,同时是样本和资源效率,支持彻底的实验。具有最佳性能的策略涉及将输入文档拆分为字符n-gram,并使用相当于大量序列模型的集合的投票方案将其单独的校正组合到最终输出中。我们进一步研究如何衡量这个合奏的每个成员的贡献。我们在ICDAR 2019年OCR后文本校正竞赛的九种语言上测试了我们的方法,并在其中五种语言中实现了最先进的性能。我们的OCR后校正代码在https://github.com/jarobyte91/post_ocr_correction上共享。
2022-01-25 cs.CL
Incorporating Terminology Constraints in Automatic Post-Editing
Columbia University(哥伦比亚大学);University of Maryland(马里兰大学)
机器翻译(MT)的用户可能希望确保使用特定的词汇术语。虽然存在用于在MT的推理期间并入术语约束的技术,但是当前的APE方法不能确保它们将出现在最终的翻译中。在本文中,我们提出了词汇约束APE的自回归和非自回归模型,证明了我们的方法可以保留95%的术语,并提高了英语-德语基准的翻译质量。即使当应用到词汇约束MT输出,我们的方法是能够提高保留的术语。然而,我们表明,我们的模型不学习系统地复制约束,并提出了一个简单的数据增强技术,从而提高性能和鲁棒性。
2020-10-19 cs.CL
RoundTripOCR: A Data Generation Technique for Enhancing Post-OCR Error Correction in Low-Resource Devanagari Languages
Indian Institute of Technology Bombay(印度理工学院孟买分校)
针对低资源天城文语言OCR后纠错数据稀缺问题,提出RoundTripOCR合成数据生成技术,并发布六种语言数据集,利用预训练变换器模型将OCR错误视为误译进行纠正。
2025-02-23 cs.CL cs.CV
A Benchmark and Dataset for Post-OCR text correction in Sanskrit
Indian Institute of Technology Bombay(印度理工学院孟买分校);Uniphore(Uniphore公司)
梵语是一种古典语言,大约有3000万份适合数字化的现存手稿,以书面,印刷或扫描图像形式提供。然而,当涉及到可用的数字资源时,它仍然被认为是一种低资源语言。在这项工作中,我们发布了一个OCR后文本校正数据集,包含来自30本不同书籍的约218,000个句子,150万个单词。梵语的文本在语言和风格上的使用是多样的,因为梵语是印度次大陆大约3000年来的“通用语”。考虑到这一点,我们发布了一个多领域的数据集,来自天文学,医学和数学等不同领域,其中一些可以追溯到18世纪。此外,我们基于预先训练的Seq2Seq语言模型发布多个强基线作为任务的基准。我们发现,我们的表现最好的模型,包括字节级标记结合语音编码(字节5 +SLP1),产生了23%的点增加OCR输出的单词和字符的出错率。此外,我们进行了广泛的实验,在评估这些模型的性能和分析常见的原因,在字形和词汇水平的预测失误。我们的代码和数据集可在https://github.com/ayushbits/pe-ocr-sanskrit上公开获取。
2022-11-15 cs.CL
Cleaning Dirty Books: Post-OCR Processing for Previously Scanned Texts
Stony Brook University(石溪大学)
为了进行NLP分析,需要清理大量的数字化书籍,这是因为扫描文本中存在错误,语料库中存在重复的卷。在本文中,我们认为存在的光学字符识别(OCR)错误的重复数据删除的问题。我们提出了处理这些错误的方法,对来自古腾堡项目数据集的19,347个文本和来自HathiTrust图书馆的96,635个文本进行了评估。我们证明了语言模型的改进,现在可以检测和纠正OCR错误,而不考虑扫描图像本身。通过对齐相同基础工作的成对扫描发现的不一致性提供了训练数据以构建用于检测和校正错误的模型。我们从58,808次扫描中识别出17,136本重复扫描的书籍中的每一本的规范版本。最后,我们研究的方法来检测和纠正单拷贝文本中的错误。我们表明,平均而言,我们的方法纠正的错误是它引入的错误的六倍以上。我们还提供了有趣的分析扫描质量和其他因素,如位置和出版年份之间的关系。
2021-10-22 cs.CL
ICDAR 2026 HIPE-OCRepair Competition on LLM-Assisted OCR Post-Correction for Historical Documents
École Polytechnique Fédérale de Lausanne (EPFL), Switzerland(瑞士联邦理工学院洛桑分校);University of Zurich, Switzerland(苏黎世大学)
ICDAR 2026的HIPE-OCRepair竞赛旨在评估大语言模型辅助历史文档OCR后校正系统能力,提供可重现评估框架。四支队伍提交不同策略系统,结果显示虽能提高OCR质量,但性能因多种因素而异,还存在过度校正问题,相关资源已发布供后续研究。
2026-07-10 cs.AI cs.CL cs.IR
Optimizing the Neural Network Training for OCR Error Correction of Historical Hebrew Texts
Bar Ilan University(巴伊兰大学)
本文提出一种自动生成语言和任务特定训练数据的方法,有效减少手动标注需求并优化轻量级神经网络,在历史希伯来文OCR后纠错任务中优于现有模型和复杂拼写检查器。
2023-07-30 cs.CL cs.LG
Multimodal LLMs for OCR, OCR Post-Correction, and Named Entity Recognition in Historical Documents
University of Mannheim(曼海姆大学)
本研究探讨了多模态大语言模型(mLLMs)在历史文档OCR、OCR后纠错及命名实体识别任务中的应用,发现其表现优于传统模型,且无需预处理或微调即可实现高精度转录与结构化数据提取。
2025-04-01 cs.AI cs.CL cs.DL
An Unsupervised method for OCR Post-Correction and Spelling Normalisation for Finnish
University of Helsinki(赫尔辛基大学);Rootroo Ltd(Rootroo有限公司);University of Gothenburg(哥德堡大学)
已知历史语料库包含由数字化过程中使用的OCR(光学字符识别)方法引入的错误,通常被认为是降低NLP系统的性能。手动纠正这些错误是一个耗时的过程,并且很大一部分自动方法一直依赖于规则或监督机器学习。我们建立在以前的工作上的全自动无监督提取并行数据训练一个基于字符的序列到序列NMT(神经机器翻译)模型进行OCR纠错设计的英语,并适应芬兰提出的解决方案,考虑到丰富的形态的语言。我们的新方法显示出更高的性能,同时保持完全无监督,并增加了拼写规范化的好处。源代码和模型可以在GitHub和Zenodo上找到。
2020-11-06 cs.CL cs.LG
Evaluating In-Context Learning and Retrieval Strategies for Devanagari Post-OCR Correction
Indian Institute of Technology Jodhpur(印度理工学院焦特布尔分校)
本研究首次系统评估LLM在天城文OCR后校正中的上下文学习,提出CharBM25检索策略,在印地语和马拉地语上显著优于随机选择,且与12B+模型结合实现免训练可靠校正。
2026-09-21 cs.CL cs.CV
Toward a Period-Specific Optimized Neural Network for OCR Error Correction of Historical Hebrew Texts
Bar Ilan University(巴伊兰大学)
针对历史希伯来语文本OCR纠错中训练数据缺乏及超参数不明确等挑战,提出了一种生成带OCR错误的人工训练数据集并进行超参数优化的多阶段方法,以构建有效的OCR后纠错神经网络。
2023-07-30 cs.CL cs.LG
JaPOC: Japanese Post-OCR Correction Benchmark using Vouchers
FA Research, Fast Accounting Co., Ltd.(FA研究部,快会计有限公司)
本文构建了首个日语凭证OCR纠错基准JaPOC,并提出基于语言模型的简单纠错基线方法,实验证明其能显著提升识别准确率。
2024-09-30 cs.AI cs.CL cs.CV
Reference-Based Post-OCR Processing with LLM for Precise Diacritic Text in Historical Document Recognition
Korea Advanced Institute of Science and Technology (KAIST)(韩国科学技术院(KAIST))
针对历史变音符号文档OCR错误,提出利用电子书参考与LLM的后处理方法,生成高精度伪标签,平均评分8.72,优于现有模型,并公开数据集。
2025-02-27 cs.CL cs.CV
Can OCR-VLMs Read Devanagari? A Stress-Test Benchmark and Post-Correction Study
本研究通过合成退化条件和真实扫描图像,系统评估了10种OCR系统在天城文(印地语)上的表现,发现专用OCR-VLM在退化条件下最脆弱,真实扫描性能远低于合成文本,并提出了错误分类和后纠正方法。
2026-06-28 cs.CL cs.CV
Post-OCR Text Correction for Bulgarian Historical Documents
AWS AI Labs(亚马逊云科技人工智能实验室);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
本文针对19世纪保加利亚历史文献的OCR后文本校正问题,构建首个基准数据集,提出利用当代文本生成合成数据并结合大语言模型与改进的编码器-解码器框架,使校正质量较现有最优方法提升16%。
2024-08-31 cs.CL cs.DL cs.LG
Data Generation for Post-OCR correction of Cyrillic handwriting
Dbrain
本文提出一种基于贝塞尔曲线的西里尔文手写体合成引擎,通过生成数据训练T5架构的seq2seq模型进行OCR后纠正,显著提升了真实手写文本的词与字符准确率。
2023-11-27 cs.CL cs.CV
Multilingual OCR-Aware Fine-Tuning and Prompt-Guided Chain-of-Thought Reasoning for Multimodal Large Language Models
Meta AI;UT Austin(德克萨斯大学奥斯汀分校)
提出一种多语言OCR感知的多模态训练框架,通过合成数据生成、OCR感知微调和结构化视觉链式思维提示,提升多模态大语言模型在复杂视觉条件下的OCR完整性和多语言翻译准确性。
2026-08-13 cs.CL cs.CV cs.LG
Statistical Learning for OCR Text Correction
Dalhousie University(达尔豪斯大学);University of Louisiana at Lafayette(路易斯安那大学拉斐特分校)
光学字符识别(OCR)的准确性对文本分析流水线后续应用的成功至关重要。最近的OCR后处理模型显着提高了OCR生成的文本的质量,但仍然倾向于从有限的观察建议校正候选人,而不足以说明OCR错误的特征。在本文中,我们展示了如何扩大候选建议空间,通过使用外部语料库,并整合OCR特定的功能,在回归的方法来纠正OCR产生的错误。评估结果表明,我们的模型可以纠正61.5%的OCR错误(考虑前1个建议)和71.5%的OCR错误(考虑前3个建议),对于理论校正上限为78%的情况。
2016-11-21 cs.CL cs.CV cs.LG
OCR Error Correction Using Character Correction and Feature-Based Word Classification
School of Computer Science, Tel Aviv University(特拉维夫大学计算机科学学院);Institut d’études avancées de Paris(巴黎高等研究院)
本文探讨了使用学习分类器进行OCR后文本校正。阿拉伯语的实验表明,这种方法,它集成了加权混淆矩阵和浅语言模型,改善了绝大多数的分割和识别错误,我们的数据集上最常见的错误类型。
2016-04-21 cs.CL cs.IR
Confidence-Aware Document OCR Error Detection
Shift Technology;L3i La Rochelle(拉罗谢尔L3i实验室)
本文提出将 OCR 置信度分数融入 BERT token 嵌入的 ConfBERT,并通过可选噪声调整预训练提升文档 OCR 后错误检测效果。
2024-09-06 cs.AI cs.CL cs.CV
Resume Information Extraction via Post-OCR Text Processing
Huawei Turkey Research and Development Center(华为土耳其研发中心)
本研究提出通过OCR预处理和YOLOv8目标识别对简历文本组进行分类以提取信息,使用BERT等模型对比发现DistilBERT在参数较少时表现更优。
2023-06-23 cs.CL cs.CV
OCR Context-Sensitive Error Correction Based on Google Web 1T 5-Gram Data Set
LACSC – Lebanese Association for Computational Sciences(黎巴嫩计算科学协会(LACSC))
自计算机时代开始以来,信息已经以数字方式表示,以便可以由电子计算机处理。当时,纸质书籍和文件大量出版,因此需要将其转换为数字格式。OCR是光学字符识别的缩写,其目的是将纸质图书转换为数字电子图书。令人遗憾的是,OCR系统仍然是错误和不准确的,因为它们在识别的文本中产生拼写错误,特别是当源文档的打印质量较低时。本文提出了一种OCR后处理上下文相关纠错方法,用于检测和纠正非字和实字OCR错误。该方法的基础是使用Google Web 1 T 5-gram数据集作为单词字典来检查OCR文本。Google数据集包含了非常大的词汇表和完全从互联网上获得的单词统计数据,使其成为执行基于词典的错误纠正的可靠来源。所提出的解决方案的核心是三种算法的组合:错误检测,候选拼写生成器和纠错算法,它们都利用从Google Web 1 T 5-gram数据集提取的信息。在不同语言的扫描图像上进行的实验表明,OCR纠错率有了很大的提高。作为未来的发展,所提出的算法是并行化,以支持并行和分布式计算架构。
2012-04-01 cs.CL cs.IR
Jina-OCR-v1: Efficient Document Parsing with Speculative Decoding and Dense Verifiable Rewards
Jina AI(金纳人工智能)
Jina-OCR-v1是专为低预算GPU设计的端到端文档解析模型,结合DeepSeek-OCR的编码器与解码器,采用FastMTP推测解码和密集可验证奖励训练,在多个基准上取得优异性能且解码速度提升显著。
2026-09-04 cs.CL cs.CV
Reading or Guessing? Visual Grounding Failures of Vision-Language Models for OCR in Ancient Greek Editions
Inria(法国国家信息与自动化研究所)
通过对比开放权重视觉语言模型与传统OCR基线在低资源古希腊批判版本上的表现,发现VLM即使错误也能生成流畅文本,表明其依赖语言先验,并引入扰动和标记级定位度量分析视觉证据。
2026-09-09 cs.AI cs.CL cs.CV
CLOCR-C: Context Leveraging OCR Correction with Pre-trained Language Models
Centre for Advanced Spatial Analysis, University College London(伦敦大学学院高级空间分析中心)
本文提出CLOCR-C方法,利用预训练语言模型的上下文能力进行OCR后纠错,实验显示可显著降低字符错误率并提升下游任务性能,同时发布新数据集以促进研究。
2025-01-22 cs.CL cs.DL
Enhancing OCR for Sino-Vietnamese Language Processing via Fine-tuned PaddleOCRv5
本研究通过微调PaddleOCRv5提升汉那姆文本识别精度,实现对越南历史文件的高效OCR处理及跨语言语义研究。
2025-11-29 cs.CL cs.CV
Vartani Spellcheck -- Automatic Context-Sensitive Spelling Correction of OCR-generated Hindi Text Using BERT and Levenshtein Distance
Birla Institute of Technology, Mesra(贝拉理工学院梅斯拉分校)
传统的光学字符识别(OCR)系统生成高度屈折的印度语(如印地语)的文本,由于宽的字母表集、复合字符和在单词中分割字符的困难,其往往遭受差的准确性。自动拼写错误检测和上下文敏感错误校正可用于通过后处理这些OCR系统生成的文本来提高准确性。以前开发的大多数用于印地语拼写错误校正的语言模型都是上下文无关的。在本文中,我们提出了Vartani拼写检查-一种上下文敏感的方法,使用最先进的Transformer - BERT结合Levenshtein距离算法,俗称编辑距离的印地语文本的拼写校正。我们使用一个查找字典和基于上下文的命名实体识别(NER)检测可能的拼写错误的文本。我们提出的技术已被广泛使用的Tesseract OCR对印地语史诗罗摩衍那产生的文本的大型语料库进行了测试。准确率为81%,结果显示出显着的改善,比以前建立的一些上下文敏感的印地语纠错机制。我们还解释了如何Vartani拼写检查可用于在文本编辑器环境中连续键入期间的即时自动更正建议。
2020-12-14 cs.AI cs.CL cs.LG
MinerU-Popo: Universal Post-Processing Model for Structured Document Parsing
Shanghai Jiao Tong University(上海交通大学);Shanghai Artificial Intelligence Laboratory, OpenDataLab(上海人工智能实验室,OpenDataLab);University of California, Berkeley(加州大学伯克利分校)
提出MinerU-Popo轻量级通用后处理框架,通过分解为文本/表格截断恢复、标题层级重建和图文关联四个子任务,并利用动态分块和重叠同步将OCR页面级结果重构为文档级逻辑结构,显著提升标题层级TEDS和RAG准确性。
2026-07-31 cs.AI cs.CL cs.CV
DriveThru: a Document Extraction Platform and Benchmark Datasets for Indonesian Local Language Archives
Institut Teknologi Bandung(万隆理工学院);Universitas Amikom Yogyakarta(日惹阿米科姆大学);Universitas Dian Nuswantoro(迪恩·努斯万托罗大学);Boston University(波士顿大学)
本文提出DriveThru平台,利用OCR技术数字化印尼当地语言印刷文档以构建NLP数据集,并研究LLM在OCR后校正中提升字符和词准确率的能力。
2024-11-15 cs.CL
MedStruct-S: A Benchmark for Key Discovery, Key-Conditioned QA and Semi-Structured Extraction from OCR Clinical Reports
AI Starfish(AI海星)
MedStruct-S是面向OCR临床报告的基准,评估关键发现等三项任务,覆盖多类模型,发现仅编码器模型在非空值QA中表现更优,为模型选择提供可靠依据。
2026-08-20 cs.AI cs.CL cs.LG
Developing a Mixed-Methods Pipeline for Community-Oriented Digitization of Kwak'wala Legacy Texts
George Mason University(乔治·玛莎大学);University of British Columbia(不列颠哥伦比亚大学)
本文针对Kwak'wala遗留文本仅以图像形式存在、机器无法读取的问题,提出混合现成OCR、语言识别、掩码和后校正模型的流程,以实现高质量数字化转录。
2025-06-02 cs.CL
Low-Resource Heuristics for Bahnaric Optical Character Recognition Improvement
Faculty of Computer Science and Engineering(计算机科学与工程学院);Ho Chi Minh City University of Technology(胡志明市技术大学)
本研究提出低资源环境下提升巴纳里语OCR识别准确率的启发式方法,通过结合表格检测与概率后处理技术,使识别准确率从72.86%提升至79.26%。
2026-01-06 cs.CL cs.CV cs.LG
Small yet Assistive: Spatially-Aware Post-Training for Low Vision
Indian Institute of Technology Mandi(印度理工学院曼迪分校);Mohamed bin Zayed University of Artificial Intelligence(穆罕默德·本·扎耶德人工智能大学)
针对盲人和低视力用户,提出紧凑型VLM Smol-VL-BLV,通过蒸馏和GRPO后训练增强空间感知,在多个基准上显著提升性能,并可在移动设备离线运行。
2026-09-25 cs.CL cs.CV
When Simpler Is Better: Evaluating Translation Pipelines for Medieval Latin Manuscripts
Eötvös Loránd University(厄特沃什·罗兰大学);King Fahd University of Petroleum and Minerals(法赫德国王石油与矿产大学)
针对历史手稿翻译难题,提出评估中世纪拉丁文手稿图像到翻译流程的框架。通过CATMuS数据集对比发现领域特定OCR模型优势,引入新数据集IPC,实验揭示简单管道表现更佳,为低资源历史场景翻译系统部署提供基准与指导。
2026-11-16 cs.AI cs.CL cs.CV
Towards High-Fidelity Synthetic Multi-platform Social Media Datasets via Large Language Models
Maastricht University(马斯特里赫特大学);Indira Gandhi Delhi Technical University for Women(印度达累普技术女子大学);Utrecht University(乌得勒支大学)
本文研究利用大语言模型生成跨多平台的高保真合成社交媒体数据集,提出多平台主题提示方法并评估三种先进模型,同时引入面向多平台数据的新保真度指标。
2025-05-02 cs.CL cs.CY
A Language Model from 1913: Pretraining on Historical Text
University of Waterloo(多伦多大学);Vector Institute(向量研究所);AIML, Adelaide University(AIML,阿德莱德大学);Department of Engineering Science, University of Oxford(牛津大学工程科学系);Oxford Centre for Economic and Social History, University of Oxford(牛津大学经济与社会史中心);Department of Computer Science, University College London(伦敦大学学院计算机科学系)
提出TypewriterLM,一个仅在1913年前英文文本上训练的7.24B历史语言模型,通过构建TypewriterCorpus语料库、引入词汇基础指令微调框架和History-Event基准套件,解决数据质量、时间泄漏、训练和评估等挑战。
2026-10-05 cs.AI cs.CL
L-ReLF: A Framework for Lexical Dataset Creation
Wikimedia Morocco(维基媒体摩洛哥分会);KTH, Royal Institute of Technology(KTH皇家理工学院)
本文提出L-ReLF框架,通过可复现的技术流程为低资源语言创建高质量结构化词汇数据集,以解决标准化术语缺失问题,并支持下游NLP应用。
2026-03-31 cs.CL
NeKo: Cross-Modality Post-Recognition Error Correction with Tasks-Guided Mixture-of-Experts Language Model
NVIDIA
NeKo通过任务引导的专家混合模型,实现跨模态识别后的高效纠错,显著降低WER并提升BLEU分数。
2025-12-01 cs.AI cs.CL cs.LG