百度开源 Unlimited OCR 2，可解析几十到上百页长文档

Baidu Inc.· @Baidu_Inc · X·2026-10-27 10:41· 1 小时前AI 评分59

AI 导读

百度发布并开源 Unlimited OCR 2，采用 SR-SWA 机制把文本-视觉注意力交互压缩为固定大小的工作引用，在有限上下文窗口内解析几乎任意长度的文档。随着文档变长，每步解码延迟和内存占用接近恒定，模型在 MPDocBench 和 MarathonDocBench 上取得 SOTA 表现，覆盖几十到数百页文档。

正文 · 原文

Unlimited OCR 2 来了，而且已开源。📖 ✨

文档越长，意味着注意力计算量可能大得多。我们全新的 SR-SWA 机制通过将文本-视觉注意力交互压缩为一组固定大小的工作引用来控制这一点。

它带来以下能力：
- 在有限上下文窗口内解析几乎任意长度的文档
- 随着文档变长，每步解码延迟和内存占用几乎保持恒定
- 在 MPDocBench 和 MarathonDocBench 上取得最先进性能，覆盖从几十页到数百页的文档

在这里查看模型 ↓

来源：Baidu Inc. · x.com