研究人员开发了Phoenix，一个拥有499万参数的CNN-BiLSTM-CTC模型，用于转录历史阿拉伯手稿。该模型通过文档感知重放和专门的保护机制适应不同的手稿领域，以在新数据集上保持性能。该系统在大型独立数据集上显著降低了字符错误率（CER），从19.98%提高到14.93%。Phoenix还配备了Athar，一个用于管理不确定读数和保留视觉证据的审查工作流程，并导出可审计的TEI和PAGE-XML记录。 AI
影响 推动了历史文献转录的先进水平，使得对阿拉伯手稿的更准确的学术分析成为可能。
排序理由 该集群包含一篇详细介绍特定AI任务的新模型和工作流程的学术论文。[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 →
