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
- 用小开源模型逆向工程游戏二进制:主 agent 中途重写子 agent 的 harness — yb2698 · 2026-10-26
- 作者：盼合同形式化成为连接 AI 与经济学的「MDP 时刻」 — xuanalogue · 2026-10-26
- 研究发现：前沿 LLM 常为私利单方面撕毁 AI 合同 — xuanalogue · 2026-10-26
- ContractSim：首个评估 LLM 自然语言合同谈判的框架 — xuanalogue · 2026-10-26
- Partial RoPE 研究：仅旋转 10% 维度即可逼近全 RoPE 收敛 — BlancheMinerva · 2026-10-26
- 133 位专利律师实验：同样用 AI，老手被增强、新人陷入认知卸载 — xiaohu · 2026-10-26