Baidu rende open source Unlimited OCR 2, un parser di documenti con un costo di decodifica quasi costante

Baidu ha annunciato Unlimited OCR 2 su X il 26 ottobre, pubblicando il codice su GitHub e i pesi su Hugging Face. Il modello è progettato per analizzare documenti di qualsiasi lunghezza, o quasi, entro una finestra di contesto finita.

Secondo Baidu, il nuovo meccanismo di attenzione SR-SWA condensa le interazioni di attenzione tra testo e immagini in un insieme fisso di riferimenti di lavoro, così la latenza di decodifica per passaggio e l'ingombro in memoria restano pressoché costanti man mano che i documenti si allungano. Un riepilogo della release condiviso da altri afferma che il modello ha 3,34B parametri, è distribuito con licenza MIT e usa un insieme di lavoro fisso di 512 token; questi dettagli provengono dal post di un utente, non dall'annuncio di Baidu.

Affermazioni contenute nell'annuncio, non verificate in modo indipendente:

• Risultati allo stato dell'arte su MPDocBench e MarathonDocBench, che includono documenti da decine a centinaia di pagine.