arXiv · cs.AI· Nguyen Nguyen, Yongyi Zang·· 6 小时前
Nguyen Nguyen与Yongyi Zang提出按严重程度加权的OCR字符错误率semCER
Equal CER, Unequal Damage: Severity-Weighted Character Error Rate for OCR
arXiv:2610.20461v1阅读论文 PDF ↗
仅依据论文摘要整理；未读取全文，实验条件、证明与基准细节请核对原文。
作者：Nguyen Nguyen, Yongyi Zang
研究任务与主要进展
Nguyen Nguyen与Yongyi Zang提出semCER，在保留CER对齐方式和分母的同时，由LLM评审为每个字素编辑赋予严重程度权重。论文摘要称，semCER能够将整段转写得分拆解为具体命名编辑，读者对英语和中文中CER与semCER不一致的样本更常支持semCER，对越南语则支持频率相同；研究覆盖16种语言，并公开6100万条评审编辑、汇总读者评分和蒸馏评分器。
阶段、条件与复现 · 深读核对
- 新能力对应什么具体任务与最小输入输出？
- 代码、模型、数据、许可与可用入口是否明确？
- 效果、总成本、失效条件与实际工作流如何验证？
这些是阅读核对问题；材料未说明的条件保留未知。请结合上方论文版本、资料范围与原文核验。
来源：arXiv · cs.AI · arxiv.org