FineEnvs 报告称，在测试数据上选择了一个检查点后，Kannada OCR 的性能有所提升。
FineEnvs 表示，10月13日它将测试时选定的 OCR 检查点替换为最终训练检查点；当前公开记录标示为第500步。团队还审查了其 ASR 测试曲线。
By Morgan Laning · Published · Updated
为何重要
测试集的选择可能会使报告的分数对模型未见过数据的表现不那么具有代表性。FineEnvs 表示在问题被指出后更改了 OCR 适配器，但其归档和账户并未确定当前发布的是哪个检查点；ASR 账户也表示测试曲线已被审核。因而，这些结果仅限于所列基准，不能独立确立更广泛的性能表现。
Corrections
- 2026-10-17: Correction: An earlier version said the run archive still identified OCR step 300 as the selected checkpoint and that the published checkpoint was unclear. Current public documentation identifies step 500 as the published checkpoint, with step 300 retained as a tagged revision. The article also incorrectly assigned a character error rate of 0.3601 to step 500; the current model card assigns 0.3602 to step 500 and 0.3601 to step 300. The passage and summary have been corrected.
FineEnvs 报告在两个卡纳达语基准上的错误率下降：其 OCR 适配器在 300 个 Sarvam Indic OCR 基准测试裁剪图像上的字符错误率从 0.4277 降至 0.3602，而其语音适配器在 838 个卡纳达语 FLEURS 测试剪辑上的封顶每剪辑字符错误率从 0.1047 降至 0.0571。
OCR 得分存在一个检查点选择问题。FineEnvs 和 CognitiveLab 的 Adithya S K 在给 RuntimeWire 的电子邮件中表示，团队最初选择 step 300，因为它在用于报告结果的相同测试拆分上得分最高。基于测试数据的性能来选择模型会使该得分对未接触数据的代表性降低。
ELI5： 测试集应当像期末考试：在训练后用于检查模型表现。如果你用考试结果来选择要发布的模型版本，那么该分数就不再是模型在新样本上表现的独立衡量标准。
S K 表示，在一位审阅者指出其原先基于测试选择的问题后，FineEnvs 于 10 月 13 日将已发布的 OCR 适配器切换为最终检查点 step 500。当前公开文档将 step 500 标识为已发布检查点，其字符错误率为 0.3602；step 300 仍作为带标签的修订版可用。…
When you purchase through links in our articles, we may earn a small commission. This doesn’t affect our editorial independence.