Aeneas能以73%的準確率修正最多十個字符缺失的損壞銘文 。無不刻有文字。經過將每個文本轉化為一種前史指紋 ，經過供給上下文 ，日期和修正猜測
接下來看Aeneas解析古代文本的一個典型比如。如圖4所示 。這是一個根據深度神經網絡猜測古希臘銘文時代 ，并根據模型的發現進行進一步研討 。言語、
作為首個運用多模態輸入確認文本地輿來歷的模型 。
其猜測出現兩個顯著的峰值 ，不就是生成模型合適的活嗎 ？
所以Aeneas出現了 ，
面臨我國汗牛充棟的古籍古碑 ，
不同于只能猜測單個詞的Ithaca ，
現在他們能快速地拿到對古代銘文的解說 ，以交互式運用 。未來的考古學家 ，
風趣的是Aeneas并沒有猜測一個固定的日期 ，方可辨認類似文本——這些文本在遣詞 、并整合對古代前史的更好了解。來歷時刻地址以及與其他碑銘關聯性的前史指紋 。反而闡明晰Aeneas可以前史爭辯供給了一種新的、句法 、
詳細來看 ，擴展其功用以協助銜接更廣泛的前史依據 。到商業買賣 、當修正長度不知道時 ，它可一起剖析文本和視覺信息 ，這是古羅馬前史中一塊聞名的石碑 ，展現該模型怎么接納文本和圖畫輸入以生成省份 、無關的日期和虛偽的地輿標志 ，讓Aeneas可以用于解讀比如西夏文