Baidu ने Unlimited OCR 2 को ओपन-सोर्स किया, यह लगभग स्थिर डिकोडिंग लागत वाला दस्तावेज़ पार्सर है

Baidu ने 26 अक्टूबर को X पर Unlimited OCR 2 की घोषणा की; इसका कोड GitHub पर और वेट्स Hugging Face पर उपलब्ध हैं। यह मॉडल सीमित कॉन्टेक्स्ट विंडो के भीतर लगभग किसी भी लंबाई के दस्तावेज़ पार्स करने के लिए बनाया गया है।

Baidu का कहना है कि उसका नया SR-SWA अटेंशन मैकेनिज़्म टेक्स्ट-विज़ुअल अटेंशन इंटरैक्शन को काम के संदर्भों के एक निश्चित आकार वाले सेट में समेट देता है, इसलिए दस्तावेज़ लंबे होने पर भी हर चरण की डिकोडिंग लेटेंसी और मेमोरी फ़ुटप्रिंट लगभग स्थिर रहते हैं। रिलीज़ के एक साझा सारांश में कहा गया है कि मॉडल में 3.34B पैरामीटर हैं, इसे MIT लाइसेंस के तहत जारी किया गया है और यह 512 टोकन का निश्चित वर्किंग सेट इस्तेमाल करता है; ये विवरण Baidu की घोषणा से नहीं, बल्कि एक उपयोगकर्ता की पोस्ट से आए हैं।

घोषणा के दावे, जिनकी स्वतंत्र रूप से पुष्टि नहीं की गई है:

• MPDocBench और MarathonDocBench पर अत्याधुनिक नतीजे। ये बेंचमार्क दर्जनों से लेकर सैकड़ों पन्नों तक के दस्तावेज़ों को कवर करते हैं।