Набор данных предназначен для обучения моделей автоматической коррекции текста.
Содержит пары «искажённый текст — исправленный текст», включающие орфографические, пунктуационные и OCR-ошибки.
Используется для задач постобработки распознавания текста и повышения качества письменной речи.
Особенности:
разнообразные типы ошибок (опечатки, OCR-шум, грамматические искажения)
подходит для обучения seq2seq и LLM-моделей коррекции текста
