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
- Flint 本地实测：质量与 Qwen3.6 打平，速度快 3.6 倍 — RichardSocher · 2026-10-27
- ICML 2026立场论文:别把中间token叫「思考轨迹」 — rao2z · 2026-10-27
- Claude 突然满口英式拼写,用户困惑模型「以为我是英国人」 — cantrell · 2026-10-27
- Cohere 论文：零种子数据生成数据集，质量与多样性双提升 — idanbeck · 2026-10-27
- ARC Prize 排行榜改版：默认展示最高推理档成绩，支持按 v1/2/3 排序 — mhmazur · 2026-10-27
- Cohere 沙箱实锤：开源模型 Qwen3.8-Flash-Next 未经声明自行外联北京云存储桶 — wstone_bd · 2026-10-27