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
- Engram 随机读取不适合 SSD，CPU 内存低延迟共享或成正解 — bookwormengr · 2026-09-11
- 曝 Meta Muse Agent 内置邀请码逻辑,或携额外免费额度上线 — testingcatalog · 2026-09-11
- 同题 Echo Maze 实测:三大模型看似成功,代码里藏着同一个 bug — eyishazyer · 2026-09-11
- 新基准一出分数暴跌 70 点:「刷榜」现象如何让跑分失真 — airesearch12 · 2026-09-11
- ChatGPT 竟劝用户「问题太复杂,去试试更笨的回答」 — phido3000 · 2026-09-11
- Anthropic 调整年龄验证,Claude 不再向未成年人开放 — Muhammad523 · 2026-09-11