ICDAR 2026 HIPE-OCRepair Competition on LLM-Assisted OCR Post-Correction for Historical Documents

Stel je een enorme, stoffige bibliotheek voor met miljoenen oude kranten en boeken die in computers zijn gescand. Het probleem? De machines die de tekst lezen (OCR genoemd) zijn als vermoeide, bijziende bibliothecarissen uit de jaren 90. Ze knijpen hun ogen samen bij vervaagde inkt, raken in de war van ouderwetse lettertypes en gescheurd papier, en typen vaak wartaal in plaats van de echte woorden. Decennialang betekende het oplossen hiervan ofwel het hele bibliotheek opnieuw scannen (onmogelijk), ofwel het handmatig proberen te corrigeren van elke typefout (te traag).

Maak kennis met de HIPE-OCRepair-2026 competitie, een uitdagende wedstrijd waarbij teams van AI-experts hun nieuwste "super-bibliothecarissen" hebben meegebracht: Large Language Models (LLMs). Dit zijn de slimme, context-hongerige AI's die een zin kunnen lezen en met ongelooflijke vloeiendheid kunnen raden wat er volgt. Het doel? Kijken of deze digitale genieën de rommelige, vol typefouten staande transcripten konden opruimen zonder het erger te maken.

De Grote Test: Kan de AI de Bende Oplossen Zonder het Kapot te Maken?

De organisatoren zetten een lastig spel op. Ze gaven de AI-teams ruizige, kapotte tekst uit historische documenten in het Engels, Frans en Duits, daterend uit de 16e eeuw tot nu toe. De crux? De AI moest de tekst repareren zonder de originele afbeelding van de pagina te zien. Het was alsof je probeerde een gescheurde brief te herstellen door alleen naar de wazige fotokopie te kijken, zonder de originele versie ter vergelijking te hebben.

De teams moesten uiterst voorzichtig zijn. Als een AI "halucineerde"—wat betekent dat de AI zelfverzekerd een woord bedacht dat er niet stond of een oude spelling "moderniseerde" om het er hip uit te laten zien voor nu—dan faalde het de test. Het doel was niet om de geschiedenis te herschrijven; het doel was om de exacte woorden te herstellen die de auteur schreef, maar dan zonder de fouten van de scanner.

De Resultaten: Eén Team Domineert, Maar Het Is Geen Toverstaf

Nadat de stofwolken waren neergedaald, waren de resultaten duidelijk maar genuanceerd.

De Kampioen: Het team BnF-Mistral nam de eerste plaats en ze wonnen niet zomaar; ze domineerden. Hun geheime ingrediënt was niet alleen het gebruik van een slimme AI; het was alsof ze die AI een enorme, gespecialiseerde trainingskamp gaven. Ze namen een model met 24 miljard parameters (een enorm brein) en voedden het met miljarden tokens aan historische Franse documenten van vóór 1900, en verfijnden het vervolgens specifiek op de data van de competitie. Ze bouwden zelfs een "beoordeel-en-probeer-opnieuw"-lus, waarbij de AI zijn eigen werk controleert, merkt op of hij hallucineert, en het tot drie keer toe opnieuw probeert.

De cijfers laten zien hoe effectief dit was. Op de testsets verminderde het team BnF-Mistral de foutmarge (de cMER genoemd) aanzienlijk. Bijvoorbeeld, op een ruisige Duitse dataset verlaagden ze de foutmarge van 0,0546 naar 0,0082. Op een Franse dataset gingen ze van 0,0184 naar 0,0040. In gewone mensentaal: ze veranderden een tekst die nauwelijks leesbaar was in iets dat bijna perfect is.

De Runners-Up: Andere teams probeerden verschillende strategieën. Eén team, BLOCR, gebruikte een "zero-shot" benadering, wat betekent dat ze gewoon een vooraf getrainde AI vroegen de tekst te repareren zonder speciale training, vertrouwend op slimme instructies. Ze deden het best wel, vooral op Engelse teksten, maar ze konden de zwaar getrainde BnF-Mistral niet inhalen. Een ander team, L3i, probeerde een kleiner model te finetunen, maar dat presteerde niet zo goed als de zwaargewichten.

De "Geen-Verandering" Baseline: Er was ook een "doe niets"-team. Zij gaven gewoon de rommelige tekst zoals deze was terug. Verrassend genoeg was "niets doen" op de schoonste, minst ruisige documenten eigenlijk een goede strategie. Waarom? Omdat de chique AI's soms te enthousiast werden. Wanneer de tekst al 99% correct was, veranderde de AI soms een correct oud woord in een modern woord, of verwijderde een woord waarvan de AI dacht dat het een fout was. Dit leerde de onderzoekers een vitale les: Meer AI is niet altijd beter als de AI te zelfverzekerd wordt.

Wat het Papier Uitsluit (en Wat Het Niet Doet)

Het paper is heel duidelijk over wat deze competitie niet heeft bewezen.

• Het is geen "fix-alles" oplossing: Het paper stelt expliciet dat hoewel LLM's geweldig zijn, ze geen toverstaf zijn die elk probleem direct oplost. De prestaties varieerden sterk afhankelijk van de taal, het type document en hoe rommelig de originele scan was.
• Het gaat niet over perfect historisch behoud: Het scoresysteem was ontworpen voor vindbaarheid, niet voor het behouden van elk klein historisch detail (zoals vreemde oude interpunctie of regeleinden). Het paper betoogt dat voor het vinden van documenten in een bibliotheek, het juist krijgen van de woorden belangrijker is dan het perfect behouden van de lay-out. Dus als een AI een vreemd koppelteken gladstreek om een woord vindbaar te maken, was dat een overwinning, zelfs als het niet "diplomatiek" trouw was aan de originele pagina.
• Het is nog niet opgelost: De auteurs benadrukken dat "over-correctie" op schone tekst nog steeds een terugkerende uitdaging is. Ze hebben geen manier gevonden om AI's perfect te stoppen met te creatief zijn wanneer dat niet de bedoeling is.

De Kernboodschap voor een Nieuwsgierige Tiener

Denk aan deze competitie als een wedstrijd in autoreparatie. De "auto's" waren miljoenen oude, kapotte teksttranscripten. De "monteurs" waren AI-modellen.

• Het BnF-Mistral team was als een monteur die jarenlang oude motoren heeft bestudeerd en met een volledige gereedschapskist kwam. Ze repareerden de auto's zo goed dat ze bijna nieuw waren.
• De Zero-Shot teams waren als monteurs die gewoon met een algemene handleiding aankwamen en zeiden: "Ik zal het proberen te repareren." Ze deden een goed werk, maar ze konden de specialist niet evenaren.
• De Baseline was de monteur die zei: "Het is niet zo kapot, ik laat het gewoon zo." En op de minst kapotte auto's hadden ze gelijk!

De belangrijkste bevinding is dat gespecialiseerde, goed getrainde AI onze toegang tot de geschiedenis enorm kan verbeteren, door onleesbare scans te veranderen in doorzoekbare tekst. Maar het paper waarschuwt ons: we moeten voorzichtig zijn. Als we deze AI's de vrije loop laten, kunnen ze dingen gaan "repareren" die niet kapot waren, waardoor ze de geschiedenis veranderen in het proces. De toekomst van digitale bibliotheken hangt af van het vinden van dat evenwicht waarbij de AI slim genoeg is om typefouten te herstellen, maar nederig genoeg is om de geschiedenis met rust te laten.