从 3.94 亿页书里捞出 2262 万个视觉元素
本研究提出轻量级视觉元素提取管线，面向哈佛图书馆数亿页古籍扫描，实现插图、乐谱、图表等五类非文本元素的检测、分类、去重与可选描述，最终释放2262万高质量视觉crop，兼顾精度、效率与可审计性。（239字）
把 8300 万个报纸版面单元变成可查询对象
该管线首创“crop-first”范式，将历史报纸页图切分为结构化单元，每个crop附带OCR文本、类型、语言、实体、主题、阅读顺序及向量，支持精准过滤、重建与审计，大幅提升数字人文研究可用性。（239字）
ArmorOCR：模型读出了隐藏文字，但它知道自己在读哪里吗？
ArmorOCR提出“接地式对抗视觉感知”，首创AdvSpot基准，要求模型同步定位文本区域并准确识别内容。通过两阶段训练（特权观察自蒸馏+组内强化学习），将8B模型AdvSpot准确率从31.2%提升至55.7%，推动对抗OCR从“能否读出”迈向“能否证真”。
