Baidu, kod çözme maliyeti neredeyse sabit olan bir belge ayrıştırıcısı Unlimited OCR 2'yi açık kaynak olarak yayımladı

Baidu, 26 Ekim'de X'te Unlimited OCR 2'yi duyurdu; kod GitHub'da, ağırlıklar ise Hugging Face'te. Model, sonlu bir bağlam penceresinde neredeyse her uzunluktaki belgeyi ayrıştırmak üzere tasarlandı.

Baidu'ya göre yeni SR-SWA dikkat mekanizması, metin-görsel dikkat etkileşimlerini sabit boyutlu bir çalışma referansları kümesine sıkıştırıyor; böylece belgeler uzadıkça adım başına kod çözme gecikmesi ve bellek kullanımı neredeyse sabit kalıyor. Yayına ilişkin aktarılan bir özette modelin 3.34B parametreye sahip olduğu, MIT lisansı altında yayımlandığı ve 512 tokenlık sabit bir çalışma kümesi kullandığı belirtiliyor; bu ayrıntılar Baidu'nun duyurusundan değil, bir kullanıcının paylaşımından geliyor.

Duyurudaki iddialar, bağımsız olarak ölçülmemiştir:

• Onlarca sayfadan yüzlerce sayfaya kadar uzanan belgeleri kapsayan MPDocBench ve MarathonDocBench'te son teknoloji sonuçlar.