查看“WikiEdge:ArXiv-2408.17428v1/questions”的源代码

<div style="float: right;">[{{fullurl:WikiEdge:ArXiv-2408.17428v1/questions|action=edit}} 编辑]</div>
作者面对的是历史[[印刷媒体]]档案[[数字化]]过程中的挑战，特别是在使用[[光学字符识别]]（[[OCR]]）技术将实体记录转换为数字文本时出现的错误问题。具体问题包括：
* [[OCR]]错误率高：特别是在[[报纸]]和[[期刊]]这类具有复杂布局的文档中，[[OCR]]技术容易出错，这影响了档案研究的质量。
* 后[[OCR]]校正方法的局限性：尽管已有多种后[[OCR]]校正方法，但2017年[[ICADAR]]后[[OCR]]校正竞赛显示，只有大约一半的方法能够提高[[OCR]]质量。
* 利用大型[[语言模型]]（[[LMs]]）进行后[[OCR]]校正的潜力：尽管已有研究尝试使用[[语言模型]]进行后[[OCR]]校正，但先前的研究并未发现[[语言模型]]能够提高[[OCR]]质量，作者试图证明这一点。