# 首个中国古文字OCR评测基准发布：视觉大模型遭遇“文字战”困境
近日，由国内多所高校与甲骨文研究机构联合发布的 **“C-OCR 2025”** 评测基准，首次系统性地对中国古文字（涵盖甲骨文、金文、简帛文字及部分篆书）进行了光学字符识别（OCR）能力测评。结果令人意外：当前主流的视觉大模型（如GPT-4V、Gemini Pro Vision等）在该基准上的平均准确率不足15%，远低于现代印刷体OCR 98%以上的表现。这一数据直接揭示了视觉大模型在“跨时空文字理解”上的重大短板。
**古文字OCR的难点在于其“活”的非标准化特征。** 与规整的现代印刷体不同，古文字字形高度依赖刻写工具、材质与时代背景。例如，同一甲骨文字的笔画可能因龟甲裂纹而断裂，或因刻工手法不同产生数种变体；金文则受限于铸造时的流变，出现“一字多形”甚至“形近字混淆”。传统OCR依赖的轮廓匹配、端到端序列识别等范式，在面对这些“无规律”的拓扑变形时几乎失效。而视觉大模型虽具备强大的泛化能力，但其训练数据几乎全部基于现代文字（英文、汉字标准字体），缺乏对古文字“形态语义”的底层编码——模型往往将残缺笔画误判为噪点，或将结构相似的“王”与“玉”错误对应。
**该基准的发布具有双重意义。** 从技术层面看，它为古文字数字化提供了可复现的评测标准，迫使研究界反思当前视觉模型在“低资源、高变异”场景下的脆弱性：仅依靠数据量堆砌无法解决古文字的认知问题，未来可能需要引入**笔画分解+知识图谱**混合架构，或借鉴甲骨学专家的“偏旁分析法”来构建可解释的视觉特征。从行业层面看，这一结果也警示了“大模型万能论”的边界——在处理具有高度文化专属性与时空异质性的任务时，通用模型必须与领域知识深度耦合。中国古文字OCR的突破，或许将开启视觉模型从“像素匹配”走向“文化推理”的新阶段。
