这篇论文介绍了 Pythia，它是第一个使用深度神经网络从损坏的文本中恢复缺失字符的古代文本修复模型，在 PHI-ML 上实现了 30.1% 的字符错误率并在古代文字修复领域达到了最新水平。

Oct, 2019

通过掩码语言建模任务，结合阿卡德语等，我们的研究在古代美索不达米亚文献的文字补充方面达到了最新水平，并在人类背景下进行了实验，证明了在辅助专家转录已灭绝语言的文本方面的适用性。

Sep, 2021

本文通过自然语言推理任务探讨提供语言模型与既有表意图形（glyph）信息相结合的多模态特征，在语义表示学习中获得更好的性能，表明在使用表意文字的语言中，特别是对于使用频率较低的词，使用多模态嵌入有显著效果。

Nov, 2022

本文提出了四种古希腊语言模型，包括单语和多语版本，使用RoBERTa和T5作为模型类型，基于模型对形态和句法任务进行评估，探讨模型类型对古典语言模型设计的影响。实验结果表明本文设计的模型显著提高了古希腊语言任务的性能，并为未来的研究提供了有用的信息。

May, 2023

使用大量自我监督训练的视觉变换器（ViT），通过对数字化字体进行增强，开发了一种可扩展的方法来测量OCR文档的字符替换成本。使用字符表示之间的余弦距离作为编辑距离匹配算法中的替换成本，与其他广泛使用的字符串匹配方法相比，可以显著提高记录链接的精度，因为OCR错误往往是同形异义字的。 通过创建古代汉字的同形异义字集合，可以捕捉古代社会不同抽象概念的关系。

May, 2023

通过数字化古代近东研究（DANES）社区的挑战，我们开发了用于处理楔形文字的数字工具，这是一种镌刻在泥板上的三维文字，使用了三千多年和至少八种主要语言。我们创建和使用了HeiCuBeDa和MaiCuBeDa数据集，包含约500个带注释的泥板。我们的新型OCR样式方法针对混合图像数据，提供了一种在三维渲染和照片之间转移注释的映射工具。我们使用GigaMesh的MSII（曲率，参见此处链接）基于渲染、Phong阴影的三维模型和照片以及光照增强的图像数据进行符号定位。结果显示，使用渲染的3D图像进行符号检测比其他研究使用的照片效果更好。此外，我们的方法在仅使用照片时也能得到合理的结果，但在混合数据集中效果最好。更重要的是，Phong渲染，特别是MSII渲染，提高了照片的结果，这是全球规模最大的数据集。

Aug, 2023

利用基础模型提取历史文献中的图像，并评估不同语言提示对人文学科不同级别的数据集上的效果。

Sep, 2023

我们的研究通过合成数据的方法，为古代亚述文字符号生成了大规模的数据集，以此训练人工神经网络以提高掌握这些古代碑文的能力。通过验证实验，我们验证了该模型在处理多样的真实场景中的能力，并证明了我们合成数据方法的可行性，避免了对稀缺的训练数据的依赖，从而提高了对受损碑文的解读准确性和对历史资源的知识提取。

Oct, 2023

通过实施序列标记神经模型，本文首次尝试解决Ancient Egyptian文本中分类符号的辨识问题，并对比了以频率为基础的基准模型，取得了令人满意的性能。

Jun, 2024

本研究针对解读古代中国楚简脚本中的复杂层次结构，提出了一种多模态多粒度分词器。通过实施字符边界检测和字符及子字符级别的识别，我们开发了一个大规模的楚简标注数据集，并在词性标注任务中显著提高了F1-score。这项工作不仅促进了楚简的深入研究，也可能推动其它古代中国书写形式的研究。

Sep, 2024