谷歌旗下AI Studio平台正在测试一款尚未命名的人工智能模型，其在识别难以辨认的历史手稿方面展现出显著进展。最新测试结果显示，该模型在核心字符识别任务中的错误率低至0.56%，准确度已接近专业文献研究人员的水平。

历史学家Mark Humphries使用专门构建的基准数据集对该模型进行了系统性评估。在涵盖五份18至19世纪高难度手稿的测试中，模型的整体字符错误率约为1.7%。值得注意的是，大多数错误集中在标点符号和大小写等非核心细节，并未影响单词本身的正确识别。若剔除这些非关键性偏差，模型的字符错误率可进一步压缩至0.56%，相当于每转录200个字符仅出现一次实质性误判，其表现已与专业文本转写人员相当。

参与测试的手稿具有高度复杂性，包括字迹模糊、拼写不规范及语法结构混乱等情况，充分检验了模型对多样化书写风格的适应能力。更值得关注的是，该模型不仅能够准确转写文字，还具备一定的上下文推理能力。

例如在分析一份18世纪商人的日记时，模型遇到一条未注明单位的购糖记录"145"。通过比对账目总金额，并结合当时英国通用的货币与度量体系，模型成功推断出该数值实际代表"14英石5磅司"，展现出对历史语境的深刻理解。

尽管成果显著，Humphries也指出当前评估仍存在局限。该模型目前仅以A/B测试形式局部上线，尚无法进行全面系统的验证。截至当前，评估工作仅覆盖基准数据集中约10%的样本，后续仍需更广泛的测试以确认其稳定性和普适性。