本研究利用大型语言模型（如GPT-4o和Claude Sonnet 3.5）转录历史手写文档，克服了传统OCR/HTR系统的局限性。研究表明，这些模型在准确性和相似度上优于人类评估，显示出其在该领域的潜力。

本研究针对手写文本识别中的数据标注稀缺问题，提出了一种高效的数据利用的视觉变换器方法。通过采用卷积神经网络提取特征并引入焦点感知最小化优化器，显著提高了模型性能。此外，采用的跨度掩码技术作为正则化手段，在小数据集上表现出色，并在LAM数据集上建立了新的基准。