Tecnologia de extração de texto de imagens e páginas digitalizadas, que é o foco da avaliação da FineBooks.
Uma iniciativa conjunta entre a Hugging Face e a EleutherAI avalia o desempenho de 14 modelos OCR abertos em 2.165 páginas históricas e conclui que os modelos atuais são, em geral, adequados para melhorar dados de treinamento de modelos de linguagem, mas ainda não atendem a todos os requisitos de bibliotecas ou de transcrição acadêmica.