说实话，这年头AI要是只会读屏幕上的现代代码，那可真有点说不过去。现在顶级的AI模型，得能看懂三千年前的甲骨文才行——这不是比喻，是真事。
根据OSCHINA，腾讯混元大模型、SSV数字文化实验室等机构，联合多家高校和故宫博物院，搞出了一个叫“Chronicles-OCR”的数据集。这是业界首个全面覆盖“汉字七体”演变轨迹的古文字识别行业基准。别小看这个“七体”——从甲骨、金文、篆书，到隶、楷、行、草，跨度整整三千年。过去大家做OCR主要盯着印刷体、手写体，但古文字因为字形残缺、笔画变形、载体多样，一直是视觉模型认知的硬骨头。
为了真实反映大模型的识别能力，这个数据集可不是随便抓一堆图片就完事。它由领域专家做了多层交叉标注，最终得到2800张高质量图片，且严格做到了类别平衡。对于甲骨文、金文、篆书这类古文字，团队用了细粒度的字符级标注；而对于隶、楷、行、草这些相对成熟的字体，则采用了保留原始阅读顺序的序列级转录。这种分层标注策略，正好暴露了当前多模态大模型在“视觉感知”与“语义推理”之间的脱节问题——模型认不出字符，也就谈不上理解文意。值得注意的是，2800张图规模虽不大，但以古文字研究领域的标注成本而言，这已经是相当密集的“标定弹药”。
主流视觉大模型，全部翻车
项目组基于这个基准设计了四个递进的核心任务，严格解耦了大模型的“视觉感知”和“语义推理”能力。他们评测了包括GPT-5、Gemini 3.1 Pro、Claude Opus 4.7在内的28个主流多模态大模型，结果让人意外——甚至可以说有点“尴尬”。
面对没有现代排版先验知识的古文字，主流大模型在端到端检测任务中全军覆没，细粒度识别的最高准确率竟然只有27.1%。更反直觉的是，实验发现：开启大模型的推理模式，反而放大了感知的不确定性，导致识别性能进一步下降。这意味着什么？意味着模型越“努力思考”，越是把不认识的笔画当成了“合理猜测”的对象，从而跑偏得更远。这也从侧面验证了一个观点：当前的推理增强策略对于纯视觉感知任务，可能不仅无效，反而有害。
暴露微观笔触识别的短板
评估中还发现一个有意思的现象：在进行字体分类时，现有的视觉大模型更倾向于识别载体纹理——也就是竹简、龟甲、石碑的材质纹理，而不是去区分微观的笔触风格。换句话说，今天最顶尖的AI模型，离真正“读懂”中国传统古文字还差得远。它不是在“识字”，而是在“识纸”。这种“以表代里”的浅层感知，对于需要捕捉笔画起承转合、刀刻力度、墨迹渗化等细腻特征的古文字识别而言，是致命短板。
汉字从殷墟甲骨走到今天，一笔一画都是文明的延续。Chronicles-OCR的开源并没有回避这个技术现实。它通过可见的差距，为未来视觉大模型从“认字”到“读史”的进阶，提供了清晰的优化方向。对于整个NLP与CV交叉领域来说，这也是一个信号：古文字识别不再是“冷门赛道”，它正在成为衡量多模态模型真实理解力的试金石。
