Baidu open source Unlimited OCR 2, parser dokumen dengan biaya decoding yang nyaris konstan

Baidu mengumumkan Unlimited OCR 2 di X pada 26 Oktober, dengan kode di GitHub dan bobot model di Hugging Face. Model ini dirancang untuk mengurai dokumen dengan panjang nyaris berapa pun dalam jendela konteks yang terbatas.

Baidu menyebut mekanisme perhatian SR-SWA yang baru memadatkan interaksi perhatian teks-visual menjadi sekumpulan referensi kerja berukuran tetap, sehingga latensi decoding per langkah dan jejak memori tetap nyaris konstan seiring bertambah panjangnya dokumen. Ringkasan rilis yang dibagikan ulang menyebutkan bahwa model ini memiliki 3.34B parameter, dirilis di bawah lisensi MIT, dan menggunakan set kerja tetap sebanyak 512 token; detail tersebut berasal dari unggahan pengguna, bukan pengumuman Baidu.

Klaim dalam pengumuman, yang belum diukur secara independen:

• Hasil state-of-the-art di MPDocBench dan MarathonDocBench, yang mencakup dokumen dari puluhan hingga ratusan halaman.