digitization

该论文提出实体级分析作为补充视角来评估历史文档OCR质量，使用Berrutti档案馆175份文档及5,209条人工标注实体，比较了序列识别OCR系统、OCR专用视觉-语言模型和通用视觉-语言模型，发现不同评价标准下OCR排名会变化。

历时一年半的项目收集了不丹历史文献，出版了《不丹古迹录》四卷本，并开源了相关数据库。

AI公司被怀疑购买并销毁稀有书籍以用作训练数据，这引起了书商和书籍爱好者们的担忧。文章将此与互联网档案馆谨慎的人工驱动扫描流程以及谷歌的非破坏性专利进行了对比，并指出这些是可行的替代方案。