GPT-5 ve Gemini'nin Antik Yunan'daki Oracle Savaşı'nda Tamamen Yok Olduğu, Tencent'in İlk Antik Metin Değerlendirme Ölçütü Chronicles-OCR'ı Yayınladığı Bildirildi.

根据动察 Beating 的监测，腾讯混元和 SSV 数字文化实验室与中科院信工所等机构联合推出了首个覆盖「七体之变」的古文字感知评估基准 Chronicles-OCR。该基准包含了 2800 张由专家交叉标注的图像，首次对甲骨文到草书等七种字体的识别难度进行了统一量化。

研究团队评估了 28 个主流多模态大语言模型，结果显示它们在古代字体上几乎全面失败。在跨时代字符检测任务中，GPT-5 和 Gemini 2.5 Pro 的核心指标接近 0，表现最出色的模型也仅为 16.5。即使直接在图像上绘制边界框以跳过定位步骤，最高准确率也仅为 27.1%，其中 Gemini 3.1 Pro 在甲骨文的准确率仅为 14.0%。

这证实了现代模型严重依赖规整的现代版式先验。面对无约束、强噪声的古代物理媒介，模型的文本分割机制直接失效。字体分类结果进一步表明，模型通常是在识别载体纹理（如龟甲或青铜锈）而非真实字符笔画。

实验还揭示了一个违反直觉的现象：进入思考模式实际上会导致古文字识别率下降。对比显示，几乎所有支持该模式的模型在进入思考模式后性能下降。当底层视觉感知缺失时，思维链不仅无法校正错误，反而会成为幻觉放大器，输出高自信度的错误答案。