Perinteiset OCR-tekstit saavat kielimallit oppimaan vain 30 prosentin tehokkuudella – FineBooks-projekti pyrkii muuttamaan tämän
Hugging Facen ja EleutherAI:n FineBooks-projekti testasi 14 avointa OCR-mallia yli 2 000 historiallisella kirjasivulla. Tulokset osoittavat, että pienemmät mallit ylittävät usein suuremmat kilpailijansa, ja paras malli saavuttaa yli 97 prosentin merkkitarkkuuden alle kahdella dollarilla tuhatta sivua kohden. Tekijöiden mukaan laatu riittää tekoälyn koulutukseen, mutta ei vielä tieteellisiin tarkoituksiin.
Hugging Face
EleutherAI
PaddleOCR (Baidu)
LightOn
DeepSeek
The Decoder (DE)10.08 · 21:02