百度开源 Unlimited OCR 2：SR-SWA 实现任意长度文档一次解析
Baidu_Inc · x · 2026-10-27
百度官方发布并开源 Unlimited OCR 2，定位「OCR-3.0 时代」的无限长度文档解析：
- 核心是新提出的 SR-SWA 机制：把文本-视觉注意力交互压缩为固定大小的工作引用集，长文档不再随长度线性放大注意力计算
- 可在有限上下文窗口内解析几乎任意长度的文档，每步解码延迟接近常数
- 项目 MIT 协议开源，GitHub 已 28.6k stars、3k forks
- 支持 vLLM 推理与 ms-swift 训练，已上线 Baidu Cloud 和 Hugging Face Spaces demo
所属事件:百度开源 Unlimited OCR 2：数千页长文档一次解析(5 条相关)→
「多模态」频道最新
- AMBIT 统一框架实现一阶全景声生成与编辑，港科大携手 Noiz AI 出品 — NoizAI · 2026-10-27
- 用 Krea 生成华丽银色 Pioneer CDJ 打碟机概念图 — TitusTeatus · 2026-10-27
- Reddit 用户发布数字绘画风 Moss LoRA,克苏鲁壁纸效果惊艳 — kingroka · 2026-10-27
- Midjourney v8.2 漫画风格实测：一个 sref 代码复刻同人质感 — azed_ai · 2026-10-27
- 一个让每秒画面都动感的视频运镜提示词 — umesh_ai · 2026-10-27
- Runware 把 FFmpeg 做成云端 API，$0.02/GB 秒起处理视频 — aziz4ai · 2026-10-27