Baidu veröffentlicht Unlimited OCR 2 als Open Source – einen Dokumentenparser mit nahezu konstantem Decodieraufwand

Baidu kündigte Unlimited OCR 2 am 26. Oktober auf X an. Der Code ist auf GitHub und die Gewichte sind auf Hugging Face verfügbar. Das Modell ist darauf ausgelegt, Dokumente nahezu beliebiger Länge innerhalb eines begrenzten Kontextfensters zu verarbeiten.

Laut Baidu verdichtet der neue SR-SWA-Aufmerksamkeitsmechanismus die text-visuellen Aufmerksamkeitsinteraktionen zu einer festen Anzahl von Arbeitsreferenzen. Dadurch bleiben die Decodierlatenz pro Schritt und der Speicherbedarf nahezu konstant, auch wenn die Dokumente länger werden. Einer weiterverbreiteten Zusammenfassung der Veröffentlichung zufolge hat das Modell 3.34B Parameter, wird unter der MIT-Lizenz veröffentlicht und verwendet einen festen Arbeitssatz von 512 Tokens; diese Angaben stammen aus dem Beitrag eines Nutzers, nicht aus Baidus Ankündigung.

Angaben aus der Ankündigung, nicht unabhängig überprüft:

• Spitzenresultate auf MPDocBench und MarathonDocBench, die Dokumente mit einer Länge von Dutzenden bis zu Hunderten von Seiten abdecken.