مشروع FineBooks يختبر 14 نموذج OCR مفتوح المصدر بدقة عالية

اختبر مشروع FineBooks من Hugging Face وEleutherAI 14 نموذج OCR مفتوح المصدر على أكثر من 2000 صفحة كتاب تاريخي. النموذج الأفضل، dots.mocr، حقق دقة 97.6% في التعرف على الحروف بتكلفة أقل من دولارين لكل ألف صفحة. ورغم أن هذه الدقة جيدة لتوليد بيانات تدريب الذكاء الاصطناعي، إلا أنها لا تزال غير كافية للنسخ الأكاديمي، وفقًا لفريق العمل. يهدف مشروع FineBooks إلى معالجة المشكلات المتعلقة بالنصوص القديمة التي تعيق تدريب نماذج اللغة. من خلال اختبار نماذج متعددة، يسعى المشروع إلى تحديد الأنسب للاستخدام في الأبحاث الأكاديمية. هذه المبادرة تعكس أهمية تحسين تقنيات التعرف على النصوص في تعزيز جودة البيانات المستخدمة في تدريب الذكاء الاصطناعي.