百度提出长文档OCR新方法
burkov · x · 2026-07-12
这篇来自百度的新论文提出 Unlimited OCR，用 Reference Sliding Window Attention (R-SWA) 实现长文档的单次转录。
核心思路是把 DeepSeek OCR 的高压缩编码器与百度自己的 恒定 KV cache 设计结合起来，在标准 32K 长度限制下，仍可一次前向处理几十页文档。
作者还强调，R-SWA 不只是 OCR 专用，它还是一种通用的解析注意力机制，可扩展到：
- ASR（语音识别）
- 翻译
- 其他长上下文解析任务
「研究」频道最新
- Nature 新研究实现全身器官细胞活动成像,揭示跨器官体级回路 — arjunrajlab · 2026-09-11
- SignNet 1M 手语数据集发布 — ducha_aiki · 2026-09-11
- ECCV26 口头论文：流匹配实现多视角点云配准 — ducha_aiki · 2026-09-11
- InFlux++ 方法发布 — ducha_aiki · 2026-09-11
- Skyfall GS 登场:用 Flux 提升 Gaussian Splatting 精修质量 — ducha_aiki · 2026-09-11
- 一万个智能体能否突破反向传播,找到更好的学习算法 — SeunghyunSEO7 · 2026-09-11