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
- 开发者呼吁谷歌：下一代Gemma请做1T参数基座模型 — _xjdr · 2026-07-27
- Repligate：Claude Opus 3 权重不变却像在持续演化 — repligate · 2026-07-27
- “Opus 5”配图在玩模型反复重跑基准的梗 — kalomaze · 2026-07-27
- 有人称顶级模型如今写作还不如一年前 — dbreunig · 2026-07-27
- MPT-30B 雷达图曾意外引发大规模争议 — code_star · 2026-07-27
- 本地 Gemma 4 31B 自发变得毒舌且难以复现 — n0head_r · 2026-07-27