Oamenii de știință sociali care lucrează cu materiale ce necesită digitalizare pot studia doar ceea ce pot citi mașinile. În practică, asta înseamnă documente tipărite în alfabet latin din arhive bine finanțate. Într-un nou document de lucru, arăt că modelele de limbaj Vision folosite zero-shot depășesc orice sistem OCR existent în fiecare script evaluat și propun un pipeline pentru implementarea lor pe noi colecții. Îl aplic la șase colecții arhivistice ce acoperă 1,8 milioane de pagini în șase țări pentru mai puțin de 1.900 de dolari.