知识卡片：多专家路由用于多领域低资源OCR：满文案例研究

英文标题: Multi-Expert Routing for Multi-Domain Low-Resource OCR: A Manchu Case Study
英文关键词: Multi-Expert Routing, Multi-Domain Low-Resource OCR, Manchu, Historical OCR, Page-Level Classifier, Domain Specialist, Checkpoint Reuse

一句话结论

通过复用迭代微调过程中的检查点作为领域专家，并训练一个轻量级页面级图像分类器按视觉风格路由，该系统在满文三种书写风格（楷书、奏折半草书、行书）的OCR上，以0.30%、1.57%、4.83%的字错误率（CER）匹配了专门训练的专家性能，且路由器页面级领域分类准确率达99.3%。

事件概述或研究问题

历史满文OCR面临多种视觉风格差异（楷书、行书、奏折使用的半草书）以及标注数据稀缺的双重挑战。传统单一OCR模型难以兼顾全部风格，而逐域单独训练专家则需要大量标注和存储开销。该研究提出一种多专家路由系统，从已有的迭代微调过程中“捡回”中间检查点作为领域专家，并用一个轻量级分类器自动将页面分派到最合适的专家，从而在低资源场景下高效覆盖多风格OCR。

方法/产品要点

专家池构建：将一次迭代微调（iterative fine-tuning）过程中不同阶段的检查点（checkpoint）保存下来，作为潜在的领域专家。这些检查点原本并非为特定领域设计，但在不同训练阶段可能对某些风格有更强的适应性。
轻量级页面级路由器：训练一个小型图像分类器（基于卷积或轻量Transformer，细节待核实），对输入页面图像按视觉风格（楷书、行书、奏折体等）进行分类，输出最匹配的专家。
专家补充机制：若现有专家池中没有任何检查点能胜任某个新领域，则额外为该领域训练一个新专家并加入池中。
评估协议：冻结三个测试集（楷书、奏折、行书），分别用对应专家进行OCR评估，并比较路由系统与领域标签oracle（即知道真实风格的理想路由）的精度。

主要结果或产业意义

在三个冻结测试集上，路由系统以两位小数精度匹配专门训练专家的CER：楷书0.30%、奏折1.57%、行书4.83%。
路由器在页面级领域判别上达到99.3%的准确率，与使用真实领域标签的oracle路由结果在相同精度下匹配。
三个被选中的专家中，只有行书专家是专门针对该域训练的；楷书和奏折专家分别来自其他训练阶段的检查点，说明该方法能有效复用已有模型，降低额外训练成本。
对于历史文献数字化（尤其是少数民族文字和手写体）的低资源OCR场景提供了一种无需大规模标注即可覆盖多风格的有效范式。

为什么重要

低资源多风格OCR的新范式：不同于为每个风格单独训练模型或使用统一的大模型，该方法通过轻量路由复用已有检查点，显著节省训练数据和计算资源。
与既有脉络的关系：相比于在NLP和视觉任务中常见的专家混合（MoE）需要端到端联合训练，该方法直接从微调路径中“回收”检查点，更适用于低资源和数据获取困难的历史文献领域；也不同于传统先分类后识别流水线中需要大量领域标注训练分类器，这里的分类器仅需页面级别的风格标签（比字符级标注容易获取），且准确率达到99.3%。
可复现性：论文提供了评估协议、路由器设计和逐页预测结果，便于社区对比和复现。

局限与不确定性

实验仅基于满文三种风格，泛化到其他语言或更多风格（如印刷体与手写体混合）需进一步验证。
专家池的构建依赖迭代微调过程的选择策略（如微调步长、检查点保存频率），不同策略的影响待核实。
路由器分类器在风格高度相似或模糊样本上的鲁棒性尚未充分讨论。
当需要为全新领域额外训练专家时，训练数据的来源和规模约束未明确说明。

可用于图书/PPT/简报的角度

“捡回”微调中间模型：一种节约训练成本的思路（适合介绍低资源机器学习技巧）。
满文数字化的技术挑战与解决方案（适用于文化遗产数字化专题）。
轻量级路由分类器如何用页面级标签实现高精度风格判别（适用于OCR系统设计案例）。

原始材料

论文标题：Multi-Expert Routing for Multi-Domain Low-Resource OCR: A Manchu Case Study
arXiv ID：2607.14041v1
URL：https://arxiv.org/abs/2607.14041v1
作者：Zhan Chen, Jiqiao Ma, Chih-wen Kuo
发布时间：2026-07-15