Radar Live
✦ Ask AI
AI INTELLIGENCE & SIGNALS

Show HN: HieraticBench – Can AI read ancient Egyptian handwriting?

Phân tích đã xử lý trước và các nguồn liên quan.

Tín hiệu Radar

54 RADAR
Research AI Benchmarking · 1 nguồn đối chiếu · 2026-10-06 19:22:15 +0000 UTC

Show HN: HieraticBench – Can AI read ancient Egyptian handwriting?

Nguồn: Hacker News AI
↗

HieraticBench là bộ benchmark mở gồm 268 mục thử nghiệm nhằm đánh giá năng lực của các mô hình nền tảng đa phương thức (VLM) trong việc nhận diện và dịch chữ viết tay Hieratic (chữ thảo Ai Cập cổ đại). Kết quả sơ bộ cho thấy các mô hình tiên tiến hiện nay gặp nhiều khó khăn trước dữ liệu chưa từng xuất hiện trên mạng: thường xuyên nhận diện sai thể loại chữ, chỉ đạt khoảng 13% độ chính xác khi đọc ký tự đơn lẻ trên tài liệu thực tế và hoàn toàn chưa thể dịch được câu kín chưa có đáp án.

✦ TÁC ĐỘNG & GIÁ TRỊ THỰC TIỄN

Trong bối cảnh các bộ benchmark AI phổ biến đang dần bão hòa và bị ô nhiễm dữ liệu huấn luyện, HieraticBench cung cấp một bài kiểm tra độc đáo ngoài phân phối (out-of-distribution) để đo lường năng lực thị giác và suy luận thực chất của các mô hình AI trước các hệ thống chữ viết cổ hiếm gặp.

Developer 53
Business 37
Novelty 75
Actionable 55

Nội dung thu thập đã chuẩn hóa

Collected Evidence

Nội dung văn bản được dùng làm dữ liệu đối chứng cho mô hình AI, không phải chỉ thị hệ thống.

I'm obsessed with Egyptology. During covid, I wanted to get a hieratic tattoo. For those who don't know, hieratic is the cursive form of hieroglyphs that was used in day-to-day life in ancient Egypt. It's as old as hieroglyphs. I then went on a mission to have a sentence translated into hieratic. Luckily, in 2022, I was able to commission an Oxford Egyptologist to write it for me. After that, I took it to a hieratic specialist I found on Instagram to redraw it with "biblical" accuracy. When generative AI came out, I realized that models very rarely identify hieratic and almost never translate it correctly. Every single time a new model came out, I ended up testing my sentence and hieratic texts in general, and I realized this could actually become a benchmark. Since so many benchmarks are becoming saturated, we need to find weird ways to test new models. That's why I decided to build HieraticBench. The first version of the benchmark has 268 items, including real documents, signs, and other Egyptian scripts, which I used as controls, as well as my unpublished sentence in two different renditions. The current state-of-the-art foundation models are hilariously bad at identifying my sentence, especially the one the Egyptologist wrote with her pen. Some of them said Tibetan, Urdu, Korean, and, funnily enough, "Reformed Egyptian," which is from the Book of Mormon. On real documents, the best model in the benchmark identified hieratic correctly 95% of the time, and the best score for reading individual signs was around 13%. That's when we tell the model specifically that it's hieratic. None of them can really translate a sealed sentence that's never been published and has no answer key. I haven't run every model on every task just to keep costs down. My next steps were to run Astra and Gemini 3.1 Pro on real documents. Currently, only the Claude models have done the sign readings. And just FYI, I have no experience whatsoever running benchmarks or evaluations, so not 100% sure I scored things right. Things we need: - Running the models I haven't covered - More sealed sentences and labeled signs If you know hieratic or have an Egyptologist friend, reach out at [email protected]. Source code: https://github.com/alymoursy/hieraticbench I'll be around to answer questions. Comments URL: https://news.ycombinator.com/item?id=49982822 Points: 3 # Comments: 0

Các nguồn đối chiếu cho sự kiện này

1 nguồn
Thông tin phân tích AI & Model Details ▾
Provider: openai-compatible · Model: gemini-3.8-flash-high · Version: analysis-v1 · Time: 2026-10-07 03:52:39 +0000 UTC
{"tags": ["HieraticBench", "Multimodal AI", "VLM", "AI Evaluation", "Hieratic", "OCR", "Egyptology", "Out-of-Distribution"], "risks": ["Quy mô mẫu thử còn khiêm tốn (268 mục) và tác giả chưa có kinh nghiệm học thuật về thiết kế benchmark, tiềm ẩn sai số trong phương pháp chấm điểm.", "Thiếu hụt chuyên gia Ai Cập học để mở rộng và xác thực gán nhãn cho các ký tự và văn bản phức tạp.", "Dữ liệu câu hỏi nếu bị đưa vào mạng công khai sẽ mất tính bí mật và gây thiên lệch trong các đợt kiểm thử tương lai."], "category": "Research", "entities": ["HieraticBench", "Hacker News", "Oxford University", "Claude", "Gemini 3.1 Pro", "Project Astra", "GitHub", "veeza.ai"], "summary_vi": "HieraticBench là bộ benchmark mở gồm 268 mục thử nghiệm nhằm đánh giá năng lực của các mô hình nền tảng đa phương thức (VLM) trong việc nhận diện và dịch chữ viết tay Hieratic (chữ thảo Ai Cập cổ đại). Kết quả sơ bộ cho thấy các mô hình tiên tiến hiện nay gặp nhiều khó khăn trước dữ liệu chưa từng xuất hiện trên mạng: thường xuyên nhận diện sai thể loại chữ, chỉ đạt khoảng 13% độ chính xác khi đọc ký tự đơn lẻ trên tài liệu thực tế và hoàn toàn chưa thể dịch được câu kín chưa có đáp án.", "key_changes": ["Công bố bộ benchmark HieraticBench v1 gồm 268 mục (tài liệu thực tế, ký tự mẫu, các dạng chữ Ai Cập đối chứng và câu thử nghiệm chưa từng xuất bản).", "Các mô hình nền tảng SOTA thất bại nghiêm trọng trong việc nhận diện chữ Hieratic viết tay chưa từng công bố (nhận diện nhầm thành chữ Tạng, Urdu, Hàn Quốc hoặc Reformed Egyptian).", "Trên tài liệu thực tế, mô hình tốt nhất nhận diện đúng dạng chữ đạt 95% nhưng độ chính xác đọc ký tự riêng lẻ chỉ đạt ~13% dù đã được báo trước ngữ cảnh.", "Chưa có mô hình nào dịch được câu văn thử nghiệm chưa công bố (không có đáp án sẵn trên mạng).", "Mở mã nguồn benchmark trên GitHub (alymoursy/hieraticbench) và kêu gọi cộng đồng bổ sung dữ liệu đánh giá."], "sub_category": "AI Benchmarking", "novelty_score": 75, "business_score": 28, "research_score": 72, "why_it_matters": "Trong bối cảnh các bộ benchmark AI phổ biến đang dần bão hòa và bị ô nhiễm dữ liệu huấn luyện, HieraticBench cung cấp một bài kiểm tra độc đáo ngoài phân phối (out-of-distribution) để đo lường năng lực thị giác và suy luận thực chất của các mô hình AI trước các hệ thống chữ viết cổ hiếm gặp.", "developer_score": 52, "importance_score": 48, "possible_use_cases": ["Kiểm thử khả năng xử lý dữ liệu ngoài phân phối (out-of-distribution) và chống rò rỉ dữ liệu (contamination) của các mô hình thị giác ngôn ngữ (VLM).", "Ứng dụng hỗ trợ các dự án nhân văn số (Digital Humanities) và bảo tồn, phiên dịch tài liệu khảo cổ Ai Cập cổ đại.", "Phát triển và hoàn thiện các mô hình OCR/HTR chuyên biệt cho các ngôn ngữ và hệ chữ viết hiếm tài nguyên (low-resource scripts)."], "actionability_score": 55}
← Trang trước Trang 1