PulseAugur
中
实时 15:05:15
English(EN) Leveraging External Knowledge for Historical Document Restoration via Retrieval-Augmented Large Language Models

新的LLM框架ARI增强历史文献修复

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了一个新框架ARI，该框架使用检索增强生成（RAG）和大型语言模型来修复历史文献。该方法将LLM的隐式知识与从各种来源检索到的外部上下文相结合，以准确地修复命名实体和通用字符，其性能优于现有方法。在韩国历史文献上的实验表明，ARI显著提高了修复准确性，并可作为专家分析历史记录的实用工具。 AI

影响 增强AI在历史研究和文献分析中的能力。

排序理由 该项目是一篇学术论文，详细介绍了使用LLM修复历史文献的新方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 Hugging Face Daily Papers 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

新的LLM框架ARI增强历史文献修复

报道来源 [2]

  1. arXiv cs.CL TIER_1 English(EN) · Gabeen Kim, Kyeongpil Kang ·

    利用外部知识通过检索增强大型语言模型进行历史文献修复

    arXiv:2607.21936v1 Announce Type: new Abstract: Historical documents act as invaluable knowledge archives but often suffer from illegibility due to physical deterioration and damage. While existing restoration methods based on masked language modeling effectively utilize local co…

  2. Hugging Face Daily Papers TIER_1 English(EN) ·

    利用外部知识通过检索增强大型语言模型进行历史文献修复

    Historical documents act as invaluable knowledge archives but often suffer from illegibility due to physical deterioration and damage. While existing restoration methods based on masked language modeling effectively utilize local context, they struggle to restore named entities t…

相关实体

相关话题