Baidu 開源 Unlimited OCR 2：解碼成本近乎固定的文件解析器

Baidu 於 10 月 26 日在 X 宣布推出 Unlimited OCR 2，並在 GitHub 提供程式碼、在 Hugging Face 提供模型權重。這款模型旨在有限的上下文視窗中解析幾乎不限長度的文件。

Baidu 表示，其全新的 SR-SWA 注意力機制會將文字與視覺注意力互動濃縮成固定大小的工作參照集，因此隨著文件變長，每步解碼延遲和記憶體占用仍幾乎維持不變。轉述這項發布消息的一則摘要指出，該模型有 3.34B 個參數，以 MIT 授權條款發布，並使用固定的 512 個 token 工作集；這些資訊來自一位使用者的貼文，而非 Baidu 的公告。

公告中的說法，未經獨立測量：

• 在 MPDocBench 和 MarathonDocBench 上達到最先進成果；這兩項基準涵蓋從數十頁到數百頁的文件。