我们介绍了HIPE-OCRepair-2026，这是一个关于LLM辅助历史文档OCR后校正的ICDAR竞赛。OCR后校正在数字遗产中依然是一项长期挑战：大规模的数字化文档集合受到遗留OCR错误的影响，而大规模重新数字化仍然不切实际。大型语言模型（LLMs）为重新审视这一挑战提供了重要机会，但其在不同语言、文档类型和噪声条件下的有效性，以及其倾向于产生幻觉的特性，尚未得到充分理解。
HIPE-OCRepair-2026追求两个目标：（i）评估现代OCR后校正系统的能力，以及（ii）提供一个基于HIPE-OCRepair-2026数据集的可重复评估框架，该数据集是一个整合现有和新整理历史数据集的多语种资源。参赛者的任务是校正来自历史报纸和印刷作品的嘈杂OCR文本，涉及英语、法语和德语（17至20世纪），在没有源图像的情况下，按连贯的转录单元（段落或文章）进行工作。
评估采用检索导向而非外交评分方法，反映了对数字化集合进行搜索和访问的实际使用案例。四个团队提交了从零-shot提示到持续预训练和微调的系统，提供了不同适配策略的优缺点的见解。结果显示，现代LLM辅助系统可以显著提高OCR质量，但在数据集、语言和噪声水平上表现差异明显。在低噪声输入上过度校正成为一个反复出现的挑战，突显了在字符错误减少之外进行评估的重要性。数据集、评分器和评估流程已公开发布，以支持未来的研究。
博主点评： HIPE-OCRepair-2026展示了LLM在历史文档OCR后校正中的潜力，尽管面临多种挑战。评估标准的创新与多样性为未来相关研究奠定了基础，值得关注的是如何平衡校正质量与过度校正的问题。此类赛事有助于推动OCR技术的进步，值得技术界持续关注。