@BaiduAI_News: 我们正在开源Unlimited OCR——专为一次性读取长文档而构建。总参数3B，仅500M激活…

X AI KOLs Timeline 模型
ocr open-source attention-mechanism document-parsing baidu long-document

摘要

百度开源Unlimited OCR，一个3B参数模型（500M激活参数），使用Reference Sliding Window Attention（R-SWA）一次性读取长文档，在OmniDocBench上取得最先进的SOTA结果。

我们正在开源Unlimited OCR——专为一次性读取长文档而构建。 Unlimited OCR总参数3B，仅500M激活，在OmniDocBench v1.5和v1.6上创下了新的端到端SOTA结果。 关键创新在于Reference Sliding Window Attention（R-SWA），其灵感来源于人类抄写书籍的方式：保持对源文本、近期上下文和下一个单词的关注，同时温和地遗忘不再需要的内容。 凭借恒定的KV Cache大小和更低的注意力成本，Unlimited OCR可以在单次前向传播中转录40+页——不会丢失上下文或减慢速度。 探索模型： --GitHub: https://github.com/baidu/Unlimited-OCR… --Hugging Face: https://huggingface.co/baidu/Unlimited-OCR…
查看原文
查看缓存全文

缓存时间: 2026/06/24 10:22

无限OCR工作

欢迎一次性长视界解析时代。

相似文章

Unlimited OCR: 一次性长程解析

Hacker News Top

百度发布Unlimited-OCR，这是一个基于Deepseek-OCR构建的开源模型，用于一次性长程文档解析，支持单张图片、多页文档和PDF。

baidu/Unlimited-OCR

Hugging Face Models Trending

百度发布了Unlimited-OCR，一种用于一次性长程文档解析的新模型，基于Deepseek-OCR构建。它支持通过Hugging Face Transformers和SGLang进行单图像和多页/PDF解析。