【资源更新】爱泼斯坦案-770小时OCR更新(含视频描述)|Qwen3.5

问题描述：

继上个帖子之后，过去了770个小时之后。

爱泼斯坦案-OCR结果(含视频描述)｜本地大模型跑了一个月，电费换数据，欢迎Star 资源荟萃

这个仓库里的内容，是爱泼斯坦案文件在Archive8上被删改两次之前，就抓下来的原始版本，用本地大模型批量OCR识别后的文字结果。PDF有坏的、视频有损的，能跑的我都跑了，跑不动的也标了状态。整整一个月，显卡没停，电表转得比我心跳还快。欢迎对技术、对档案、对「信息如何被保存」感兴趣的朋友来Star、提Issue、一起折腾。 含有视频帧文字描述，例如： [image] 爱泼斯坦案文件公开…

eee006de13e8e2ac058104ce7217a2b91920×286 109 KB

51e7b7806cdb1d5336e42ce9033f162e1000×319 71.3 KB

主要模型从qwen3-vl:8b换为qwen3.5:9b，以前只出一个txt文件。
现在会出两个，新版本文件名带_2。
喜欢建立知识图谱的佬友们可以玩一玩，看看两次数据集方面的质量是否有所升级？

目前我这边简单的初步量化方面：
全量11,924对文件中，平均词数/文件从3392.81提升到3404.57（+0.35%）；中位词数/文件从388提升到459（+18.30%）。
EFTAID覆盖率从95.33%提升到100.00%（即未命中比例从4.67%降到0%）。
重复行占比从0.0916降至0.0713（约9.16%->7.13%，下降2.03个百分点，约-22.11%相对降幅）。
此外，报告口径下的实体关键词命中均值为2.44->4.06（约+66.39%）。