Textos Legados de OCR Fazem Modelos de Linguagem Aprenderem com Apenas 30% de Eficiência – o Projeto FineBooks Visa Mudar Isso
O projeto FineBooks, da Hugging Face e da EleutherAI, testou 14 modelos de OCR abertos em mais de 2.000 páginas de livros históricos. Os resultados mostram que modelos menores frequentemente superam concorrentes maiores, com o melhor modelo alcançando mais de 97% de precisão de caracteres a menos de $2 por mil páginas. Segundo os autores, a qualidade é suficiente para treinamento de IA, mas ainda não para fins acadêmicos.
Hugging Face
EleutherAI
PaddleOCR (Baidu)
LightOn
DeepSeek
The Decoder (DE)10.08 · 21:02