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