标签
作者正在为处理多种语言、手写文本及复杂扫描格式的多文档ERP系统挑选OCR模型，希望得到有实际文档OCR项目经验人士的建议。
本文介绍了KhatianDoc，一个人工验证的基准，用于诊断多模态LLM在孟加拉语法律土地记录上的失败，揭示了当前模型在符号识别和文档问答等任务上的失败。
本文提出了一种基于LLM的流水线，利用GPT-5、GPT-4o和Claude Sonnet 4自动设计跨语言手写OCR的神经网络架构，在阿拉伯语、英语和波斯语文本上实现了超过93%的准确率，无需人工干预。