汉字是中华文明的经纬。从殷墟甲骨到现代楷书，三千年的文字演变史，也是一部视觉特征不断漂移、介质环境高度复杂的演化谱系。
5月18日，腾讯混元、SSV数字文化实验室和SSV技术架构部联合安阳师范学院甲骨文信息处理重点实验室、中科院信工所、南开大学，正式推出 Chronicles-OCR——业界首个覆盖"七体之变"完整演化轨迹的中国古文字感知评测基准。这一基准的发布，不仅照向中国文化遗产数字化的进路，也与此前发布的共同构成了 AI 守护古文字的技术闭环。
OCR链接：https://github.com/VirtualLUOUCAS/Chronicles-OCR
现代 OCR 的"舒适区"，从来不是真正的中国汉字史
想要让 AI 真正服务于数字人文（Digital Humanities），它不能只擅长识别打印机吐出的宋体和黑体，它必须能跨越时间的长河，从甲骨上歪歪扭扭的契刻、青铜器上漫漶的铭文、石碑上风化的刻痕中，把字一个一个地"认"出来。
回想一下 OCR 模型每天都在面对的现代场景：清晰的边界、统一的拓扑、规整的版式、干净的载体。在 OCRBench、OmniDocBench 这类现代评测中，主流多模态大语言模型都已经表现得相当成熟。
但中国汉字的真实历史完全不是这样的。
图：汉字"虎"的演化轨迹——从甲骨到草书
把镜头从今天往回拨——
退到行草，字与字的边界开始糊在一起
退到隶篆，字形的拓扑结构与现代汉字已经完全不同
再退到金文与甲骨文，符号变成了无标准化、刻在龟甲兽骨青铜器上的图画
而载体本身——龟甲的裂纹、青铜的锈蚀、石碑的风化、绢本的褪色——又给视觉感知叠加了一层厚厚的"噪声滤镜"
这是一次横跨三千年的视觉分布漂移（distribution shift）。
甲骨文智能体的率先破局
面对这些难题，2025年发布的甲骨文智能体“殷契行止”率先在甲骨文这一源头领域取得了突破。
长期以来，甲骨文研究一直面临“识别难、比对难、共享难”的挑战。由于拓片噪声复杂、字形异构多变，通用大模型难以理解甲骨文的特征规律。基于腾讯云智能体开发平台，腾讯优图实验室联合腾讯SSV数字文化实验室、甲骨文信息处理实验室、厦门大学人工智能研究院，以 AI + 多模态语料融合为基础，研发出多项关键技术，包括部首识别、字形匹配、拓片摹本目标检测、拓片摹本生成、重片检测等原创算法，以及融合单字、释文、甲骨片图片的多模态检索能力。
这些针对性算法的引入，使得 AI 首次具备了“理解古文字”的能力，有效解决了通用模型在专业领域中的适配难题，最终让每一片甲骨“读得懂、找得到、用得上”
同时，该智能体面向专家与公众免费提供“双端服务”，用户只需上传一张甲骨图片，AI 即可完成文字识别、释义查询、文献溯源和数字摹本生成。在专业端，甲骨文AI协同平台为古文字研究者提供智能识别、比对与检索工具，显著提升研究效率；在公众端，可以通过“了不起的甲骨文”微信小程序就轻松体验甲骨识读的乐趣，获取古文字知识，让千年前的文明真正“活”在掌心。
Chronicles-OCR：七体之变，同卷竞技
汉字之所以是汉字，是因为它从未停止演化。
从殷墟的甲骨到此刻你手机屏幕上的这段文字，每一笔每一画都承载着这个文明的连续性。让 AI 看懂这条连续性，是技术问题，更是文化课题。
为了精准衡量大模型在汉字演化全谱上的视觉感知能力，腾讯混元、SSV数字文化实验室和SSV技术架构部联合安阳师范学院甲骨文信息处理重点实验室、中科院信工所、南开大学，正式推出 Chronicles-OCR——业界首个覆盖"七体之变"完整演化轨迹的中国古文字感知评测基准。
数据来源全部来自顶级机构与古文字学专家：
甲骨文 → 安阳师范学院甲骨文信息处理重点实验室
金文、篆书 → 古文字学博士与研究生团队人工整理
隶、楷、行、草 → 故宫博物院文物手写体识别测试数据集
整个数据集由领域专家多层级交叉标注，包含 2,800 张严格平衡的高质量图像（每种字体 400 张）。
图：Chronicles-OCR 数据示意图——从龟甲到宣纸的真实物理介质
阶段自适应标注范式（Stage-Adaptive Annotation Paradigm）
不同时代的汉字"难"在不同的地方，所以评测方式必须分阶段定制。Chronicles-OCR为不同字体设计了两套标注体系：
1.古早字体（甲骨、金文、篆书）：字符级精细标注
由于古早字体形态高度不稳定、布局无约束、载体噪声严重，我们提供：
单字级 bounding box
现代汉字映射（字一对一翻译到现代汉字）
对学界至今未释读的字符，统一标记为 [UNK]
段落级阅读顺序
2.成熟字体（隶、楷、行、草）：序列级转写
由于成熟字体已具备相对稳定的版式与高字间区分度（尤其草书是连笔的，强行框字反而错），我们采用：
行/段落级的逐字转写
严格保留原始阅读顺序
四大核心任务
基于上述标注，Chronicles-OCR设计了四个层层递进的任务，严格地把"视觉感知"和"语义推理"解耦开来：
任务 | 适用字体 | 评测指标 | 考察能力 |
Cross-period Character Spotting 跨时代字符检测 | 甲骨/金文/篆书 | H-mean (IoU>0.75 + 字符正确) | 端到端定位 + 释读 |
Fine-grained Archaic Character Recognition 细粒度古字识别 | 甲骨/金文/篆书 | Exact Match | 用 visual referring 隔离纯字形映射 |
Ancient Text Parsing 古文转写 | 全部七体 | NED（归一化编辑距离） | 阅读顺序 + 整段释读 |
Script Classification 字体分类 | 全部七体 | Accuracy | 宏观字体风格判别 |
特别值得一提的是 fine-grained recognition 这一任务：当古文字学家面对一个模糊的甲骨符号时，他们不会输入"x1, y1, x2, y2"这种坐标，而是直接用手指。所以我们用 visual referring 机制——直接在图上画一个有色框，让模型回答"红框里这个字是什么"。这样就把"找得到"和"认得出"彻底分离开。
Chronicles-OCR的核心发现与结论
Chronicles-OCR项目评测了 28 个主流的开源与闭源多模态大语言模型，包括 GPT-5、Gemini 3.1 Pro、Claude Opus 4.7等一线模型。结果令人意外：
发现 1：在古早字体上，端到端 Spotting 全军覆没
图：甲骨文、金文、篆文上的检测可视化——漏检、错认、幻觉三连
GPT-5、Gemini 2.5 Pro 在跨时代字符检测任务上 H-mean 接近 0
表现最强的模型也只有16.5
模型出错有三种典型形态：
1.Missed Detection：完全漏掉龟甲上斑驳的刻字
2.Hallucination：把青铜锈斑、石碑裂纹幻觉成"字"
3.Recognition Error：定位对了，但映射不到正确的现代字
这说明现代 VLLM 严重依赖"现代版式先验"——一旦面对无约束、不规则、强噪声的古代物理介质，它们用来分割文本的内部机制就直接失效了。
发现 2：哪怕给你画好框，也认不出来
为了验证这一点，Chronicles-OCR用 visual referring 把"定位"这一步完全免掉——直接画一个红框，问"框里是什么字"。
结果：
多数模型展示出了一定的细粒度识别能力
但绝对准确率最高也只有 27.1%
在最古早的甲骨文上，Gemini 3.1 Pro 仅 14.0%
这证实了第二个判断：除了"找不到"，模型还存在一个独立且巨大的"语义鸿沟"——它根本没有学过把一只画出来的"老虎"映射成现代的"虎"字。
发现 3：成熟字体也别高兴太早
图：楷书一段诗的转写对比——Model1得分 0.556，Model2得分 0.298
在 NED（归一化编辑距离）指标下：
在偏近代的字体上，有一定的解析能力
但同一个模型在金文上跌到 0.19，在甲骨文上只剩 0.05
即使是楷书，模型也远未达到现代印刷体 OCR 的"近完美"水平
这意味着现代文档的解析能力，并不会自然迁移到历史文字上。
发现 4：一个反直觉的"感知悖论"
图：字体分类结果可视化——模型在甲骨上轻松达到 96%+，却在楷/行/草之间频繁混淆
最有趣的发现来自字体分类任务：
在古早字体上分类准确率高得离谱：SOTA模型实现了96.7%的分类准确率
但在成熟字体上准确率反而急剧下跌：SOTA模型仅有77.0%的分类准确率
这说明了什么？
模型其实不是在"读字"，而是在看载体的纹理。 看到龟甲就猜"甲骨"，看到青铜锈就猜"金文"，看到宣纸墨迹就开始混乱。
就像一个人能一眼分辨阿拉伯文和拉丁文，但完全读不懂内容一样。VLLM 表现出强烈的宏观风格识别能力，却严重缺乏微观的笔画感知能力。一旦楷、行、草都写在同一张宣纸上，它就只能凭运气。
发现 5：Reasoning 救不了感知
Chronicles-OCR对每个支持 thinking 模式的模型都做了对照实验。结果出乎意料——几乎所有模型，开启 reasoning 后表现反而下降。
模型 | 不思考 | 思考 |
Model1Spotting | 7.8 | 2.1 |
Model2Spotting | 16.5 | 15.3 |
Model3 Spotting | 5.0 | 1.8 |
定性分析显示，模型生成的"思考过程"经常是冗余、跑题或干脆错误的，把本来不太确定的识别变成了"高自信的错答"。这指向一个深刻的结论：
当感知地基不稳时，推理只会放大不确定性。 没有可靠的视觉感知，思维链反而成了幻觉的放大器。
从识字到读史的难行之行
Chronicles-OCR 不只是一个更难的 OCR 评测，它也是一面照向中国文化遗产数字化的镜子。
从 2025 年的专项智能体，到 2026 年的全谱系评测基准——前者尝试让 AI 真正参与古文字研究场景，后者则提供了一套更系统的能力测量方式。
这两项工作的接连发布，不仅是技术的迭代，也是数字人文研究的进路。一个面向应用，一个面向评测。AI 正在从单纯的识字工具，逐步向理解文明演化的数字助手进化。它们共同指向同一件事：让机器逐渐读懂汉字如何一步步走到今天。
从刻在龟甲上的刀痕，到数字屏幕上的像素，汉字始终在变化。对于 AI 来说，理解这种源头和变化，也许才是真正走向了进入中文世界的道路。
腾讯混元、SSV数字文化实验室和SSV技术架构部联合中科院、安阳师范学院、南开大学等，将持续在这条路上往前走。
📌 项目主页：https://github.com/VirtualLUOUCAS/Chronicles-OCR
📌 数据集：覆盖"七体之变"，2,800 张专家标注图像，已公开
📌 欢迎学界、产业界共同推动汉字感知与数字人文的下一步