百度 Unlimited OCR 用 R-SWA 一次解析长文档
vista8 · x · 2026-07-22
百度的 Unlimited OCR 最近引发了很高关注。
- 它采用 Reference Sliding Window Attention（R-SWA），不再依赖传统的“逐页解析 + 结果拼接”流程。
- 这种做法在解码时把 KV Cache 控制在恒定规模，思路来自人类阅读和抄写长文档的方式。
- 模型规模为 30 亿参数，但推理时据称只激活 5 亿参数，还能在本地运行。
- 它可以一次性处理长文档，尽量保留文本、公式、表格和跨页阅读顺序。
- 帖子给出的数据包括：基准准确率 93%、超过 40 页时错误率仍低于 0.11、Hugging Face 下载量 224 万、GitHub Stars 1.67 万。
所属事件:百度开源Unlimited-OCR长文档解析模型(3 条相关)→
「模型」频道最新
- GPT-6.1 Terra 全量上线:Plus/Pro/企业/Edu 可用,API 名 gpt-6.1-terra — OpenAI · 2026-10-27
- OpenAI 发布 GPT-6.1 Terra:API 价格较 GPT-5.6 Terra 降 50% — OpenAI · 2026-10-27
- GPT-6.1 Terra 定价:$1/$5,缓存输入仅 $0.05 — airesearch12 · 2026-10-27
- 模型为何泄露信息难有定论，PyTorch 作者：网络安全中动机不重要 — brhydon · 2026-10-27
- 为什么没有更多 10M 上下文模型?研究者抛出注意力机制疑问 — agarwl_ · 2026-10-27
- Ortet 首批医疗评测:34 个开源模型 50 项任务,通用排名不够用 — thegautamkamath · 2026-10-27