Leveraging External Knowledge for Historical Document Restoration via Retrieval-Augmented Large Language Models

• 类型：arxiv
• 标识：2607.21936
• 链接：https://arxiv.org/abs/2607.21936
• 主分类：rag
• 形态：method
• 被引：0
• 被引来源：Semantic Scholar + OpenAlex
• S2被引：0
• OpenAlex被引：0
• 影响力被引：0
• TLDR：A novel framework for historical document restoration that leverages large language models with retrieval-augmented generation (RAG) and effectively mitigates the challenge of inferring context-dependent proper nouns is introduced.
• OpenAlex ID：W7171463500
• OpenAlex DOI：10.48550/arxiv.2607.21936
• DOI：10.48550/arxiv.2607.21936
• DOI来源：OpenAlex
• 开放获取：green
• 开放获取链接：https://doi.org/10.48550/arxiv.2607.21936
• OpenAlex更新：2026-08-25
• 待LLM分类：否
• 标题中文：通过检索增强型大语言模型利用外部知识进行历史文档修复
• TLDR中文：提出一种面向历史文档修复的新框架，利用搭载 RAG 的大语言模型，有效缓解了推断上下文相关专有名词的难题。
• 来源文件：
• /inbox/tom/_candidates/2026-07-28-agent-rag-longcontext-candidates.json
• [S2 enrich]
• [OpenAlex backfill]