甲骨文（Oracle Bone Inscriptions，简称OBI）的自动识别一直被视为理解中国古代文明的重要基础工作，但同时也是一项极具挑战性的计算机视觉任务。由于甲骨文字形结构复杂、笔画不规则，且大量实物样本存在残缺、磨损与退化，准确识别这些文字需要高度细致的判断。传统上，这类工作依赖专家的专业知识和人工比对分析，不仅耗费大量时间，也难以避免人为差错。尽管深度学习技术已经在一般图像识别领域取得显著进展，但现有方法在甲骨文识别上仍难以充分捕捉其特有的细粒度细节与微小差异，性能提升因此受到限制。
本篇论文围绕这一难题提出了新的技术思路。研究指出，即便是近期较为有效、通过增强层间交互来捕捉细粒度依赖关系的层注意力（layer attention）技术，应用于甲骨文识别时也只能带来有限的性能改善。这说明仅依靠单一层面的层间交互并不足以应对甲骨文字形中同时存在的多尺度结构信息与跨层语义关联。为此，作者提出了一种名为多尺度层注意力（Multi-Scale Layer Attention，简称MSLA）的新范式。
MSLA的核心思想是显式地对多尺度特征交互与跨层特征交互进行联合建模。通过在多个空间尺度上引入并融合细粒度细节，MSLA能够丰富特征的表达能力，使模型在识别残缺、变形或结构不规则的甲骨文字符时更加准确和稳健。与以往方法相比，这一设计并非简单地叠加层注意力机制，而是从多尺度信息聚合与跨层依赖建模两个维度同时增强表示学习。
在实验部分，作者在大规模甲骨文数据集上进行了广泛评估。结果显示，MSLA在保持计算效率的同时，持续优于现有的各类注意力机制，验证了其在甲骨文识别任务上的有效性。论文提交信息显示，该工作由Chaowen Yan及其他四位作者共同完成，提交时间为2026年6月30日，arXiv编号为2607.00057v1，属于计算机视觉与模式识别（cs.CV）类别，并涉及人工智能（cs.AI）方向。
从研究意义上看，这项工作的价值不仅在于提出一种新的注意力模块，更在于它针对文化遗产数字化这一特定场景，指出了通用视觉方法在细粒度古籍文字识别上的局限。甲骨文样本往往存在多尺度书写差异和跨层视觉特征关联，MSLA通过同时建模这两类信息，为后续甲骨文自动释读、拓片整理与数字化建档提供了可借鉴的技术路径。论文也强调，该方法在不显著增加计算负担的前提下取得性能提升，这对其在实际考古与文字研究场景中的部署具有现实意义。