diachronic

本文介绍了 sinhala-ocr-lk-acts-1010，这是首个公开可用的真实场景页面级僧伽罗语OCR数据集，并使用QLoRA对三种视觉语言模型（DeepSeek-OCR V1、DeepSeek-OCR V2、LightOnOCR-2-1B）进行了微调。LightOnOCR-2-1B实现了1.05%的字符错误率（CER），优于开源和商业OCR模型，并在不同时期的退化文档中保持了稳定的性能。

本文介绍了AthDGC，这是首个获得公开许可的依存句法分析希腊语树库，跨越八个历时时期，并使用Stanza、LaBSE和多语言BERT等NLP工具与四种古代印欧语进行了诗句级别的交叉对齐。