English(EN) Judge a Book by its Cover: Investigating Multi-Modal LLMs for Multi-Page Handwritten Document Transcription

新方法利用多模态大语言模型改进多页手写文档转录

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-10 04:00

研究人员开发了利用多模态大语言模型（MLLMs）转录多页手写文档的新方法。该研究引入了一个针对此任务的基准，包括一个名为 Malvern-Hills 的新数据集。创建了新的提示策略 OCR+PAGE-1 和 OCR+PAGE-N，以利用跨页共享上下文，表现优于现有方法。 AI

影响引入了多模态大语言模型的新提示策略，有望提高转录历史和复杂手写文档的效率和准确性。

排序理由详细介绍多模态大语言模型转录新方法和基准的研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.AI TIER_1 English(EN) · Benjamin Gutteridge, Matthew Thomas Jackson, Toni Kukurin, Xiaowen Dong · 2026-08-10 04:00

以貌取“书”：探究多模态大模型在多页手写文档转录中的应用

arXiv:2502.20295v3 Announce Type: replace-cross Abstract: Handwriting text recognition (HTR) remains a challenging task. Existing approaches require fine-tuning on labeled data, which is impractical to obtain for real-world problems, or rely on zero-shot tools such as OCR engines…