Legacy-OCR-teksten laten taalmodellen op slechts 30 procent efficiëntie leren – het FineBooks-project wil daar verandering in brengen
Het FineBooks-project van Hugging Face en EleutherAI testte 14 open OCR-modellen op meer dan 2.000 pagina's uit historische boeken. De resultaten tonen aan dat kleinere modellen vaak beter presteren dan grotere concurrenten, waarbij het toonaangevende model meer dan 97 procent tekennauwkeurigheid behaalt voor minder dan 2 dollar per duizend pagina's. Volgens de auteurs is de kwaliteit voldoende voor AI-training, maar nog niet voor wetenschappelijke doeleinden.
Hugging Face
EleutherAI
PaddleOCR (Baidu)
LightOn
DeepSeek
The Decoder (DE)10.08 · 21:02