arXiv提出semCER：基于LLM判别的OCR严重性加权字符错误率

发生了什么

据arXiv cs.CV论文，传统CER指标将错字与错名同等对待。研究提出semCER，利用LLM判别器为每个图素编辑分配严重性权重，无需词分割。在英、越、中三语测试中，读者更倾向于支持semCER而非归一化CER。跨16语言测试显示，西班牙语中错误重音符号权重极低，而泰卢固语中接近错字母权重。研究发布了6100万已判定编辑数据及蒸馏评分器。