Исследователи представили новую генеративную модель, получившую название Apollo Restore. Она заточена на то, чтобы восстанавливать тексты на древнегреческих папирусах. В отличие от эпиграфических памятников, где часто можно уверенно предсказать по длине лакуны, какое количество символов пропущено, такой подход плохо работает с папирусами.
Они обучили модель Apollo Restore на текстах, состоящих примерно из 600 миллионов слов, записанных на греческом языке, начиная с эпохи Античности и заканчивая 1900 годом нашей эры. Исследователи исходили из принципа, что модель должна заполнять лакуны даже без указания примерного количества пропущенных символов, опираясь на текст до и после — принцип Fill-in-the-Middle.
Новая модель показала свое заметное преимущество над другими разработками, включая известные модели Ithaca (для работы с эпиграфическими памятниками) и Cullhed (для работы с папирусами). Apollo Restore достигает точности 80,6 процента при заполнении лакун в документах, 54,6 процента — в литературных текстах и 61 процента — в эпиграфических памятниках, если длина лакуны составляет от одного до десяти символов. Это примерно в 1,4–2,6 раза лучше, чем у других моделей
sad axolotl :capybara_heart:
npub1t5…ej3q7
2026-09-29 07:53:27 UTC
Author Public Key
npub1t5325j2lmqgd9z5n462m6pfth36vxavcj9h7vwd7rvkedgey36fqtej3q7Seen on
wss://relay.ditto.pubPublished at
2026-09-29 07:53:27 UTCEvent JSON
{
"id": "8e4ea82cbebf821bc56f55c3ea86e1db45acc518dee948d6191d2966e2572fa5",
"pubkey": "5d22aa495fd810d28a93ae95bd052bbc74c37598916fe639be1b2d96a3248e92",
"created_at": 1790668407,
"kind": 1,
"tags": [
[
"proxy",
"https://lamp.leemoon.network/notes/arpy1r8z9owf02qy",
"activitypub"
],
[
"client",
"Mostr",
"31990:6be38f8c63df7dbf84db7ec4a6e6fbbd8d19dca3b980efad18585c46f04b26f9:mostr",
"wss://relay.ditto.pub"
]
],
"content": "Исследователи представили новую генеративную модель, получившую название Apollo Restore. Она заточена на то, чтобы восстанавливать тексты на древнегреческих папирусах. В отличие от эпиграфических памятников, где часто можно уверенно предсказать по длине лакуны, какое количество символов пропущено, такой подход плохо работает с папирусами.\n\nОни обучили модель Apollo Restore на текстах, состоящих примерно из 600 миллионов слов, записанных на греческом языке, начиная с эпохи Античности и заканчивая 1900 годом нашей эры. Исследователи исходили из принципа, что модель должна заполнять лакуны даже без указания примерного количества пропущенных символов, опираясь на текст до и после — принцип Fill-in-the-Middle.\n\nНовая модель показала свое заметное преимущество над другими разработками, включая известные модели Ithaca (для работы с эпиграфическими памятниками) и Cullhed (для работы с папирусами). Apollo Restore достигает точности 80,6 процента при заполнении лакун в документах, 54,6 процента — в литературных текстах и 61 процента — в эпиграфических памятниках, если длина лакуны составляет от одного до десяти символов. Это примерно в 1,4–2,6 раза лучше, чем у других моделей",
"sig": "8e98ee96e4151cc0a01aafa2f07089bd680bacc32e1705b87515d7e83baa1343ed173bdd43acd17bb8aa3c45f499634c3d75573a20fcbb3d19b5a85b743ba5cd"
}