Baidu publica como código abierto Unlimited OCR 2, un analizador de documentos con un coste de decodificación casi constante

Baidu anunció Unlimited OCR 2 en X el 26 de octubre; el código está en GitHub y los pesos, en Hugging Face. El modelo está diseñado para analizar documentos de prácticamente cualquier extensión dentro de una ventana de contexto finita.

Baidu afirma que su nuevo mecanismo de atención SR-SWA condensa las interacciones de atención entre texto e imagen en un conjunto fijo de referencias de trabajo, de modo que la latencia de decodificación por paso y el uso de memoria se mantienen casi constantes a medida que los documentos se alargan. Un resumen difundido del lanzamiento señala que el modelo tiene 3.34B de parámetros, se publica con licencia MIT y usa un conjunto de trabajo fijo de 512 tokens; esos detalles proceden de la publicación de un usuario, no del anuncio de Baidu.

Afirmaciones del anuncio, no verificadas de forma independiente:

• Resultados de vanguardia en MPDocBench y MarathonDocBench, que evalúan documentos de decenas a cientos de páginas.