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长文档解析技术引关注(2 条相关)→
「模型」频道最新
- Google高管征集 Gemini 3.6 Flash 等新模型真实反馈 — patloeber · 2026-07-22
- Gemini 3.6 Flash 快两倍便宜 18%，独立测试却没变聪明 — etherd0t · 2026-07-22
- 批评者称 OpenAI 事故被误读为“失控自主” — ambaonadventure · 2026-07-22
- Google 推出 Gemini 3.5 Flash Cyber 网络安全专用模型 — pushmeet · 2026-07-22
- 爆料称 Cerebras 升级后 GPT-5.6 Sol 速度可达 750 tok/s — haider1 · 2026-07-22
- LeCun 转发 Hugging Face：开放权重模型更利于网络防御 — ylecun · 2026-07-22