Baidu открыла исходный код Unlimited OCR 2 — парсера документов с почти постоянными затратами на декодирование

26 октября Baidu объявила в X о выпуске Unlimited OCR 2; код доступен на GitHub, а веса — на Hugging Face. Модель предназначена для разбора документов практически любой длины в пределах конечного контекстного окна.

По словам Baidu, новый механизм внимания SR-SWA сводит взаимодействия текстуального и визуального внимания к фиксированному набору рабочих ссылок, благодаря чему задержка декодирования на каждом шаге и потребление памяти остаются почти постоянными по мере увеличения длины документов. В пересказе анонса говорится, что у модели 3.34B параметров, она выпущена под лицензией MIT и использует фиксированный рабочий набор из 512 токенов; эти сведения взяты из публикации пользователя, а не из анонса Baidu.

Заявления из анонса, не подтвержденные независимыми измерениями:

• Результаты уровня state of the art на MPDocBench и MarathonDocBench — бенчмарках для документов длиной от десятков до сотен страниц.