Baidu выпускает Unlimited-OCR-2 с разреженным референсным скользящим окном внимания для разбора документов без ограничения длины

Baidu

изображения официальный 2 ист. ~1 мин

26 октября Baidu опубликовала Unlimited-OCR-2 на Hugging Face с датой 2026/10/27 под лицензией MIT, код — в baidu/Unlimited-OCR. Механизм SR-SWA сжимает тексто-визуальное внимание на фиксированный набор из примерно 512 референсных слотов по токенам, поэтому задержка декодирования на шаг и память остаются почти постоянными независимо от длины документа, что, по заявлению Baidu, даёт лучшие результаты и на MPDocBench, и на стопстраничном MarathonDocBench; вывод поддерживается нативно в Transformers и рекомендуется через SGLang.

Почему это важно

Превращает задержку OCR, не зависящую от числа страниц, из исследовательского заявления в поставляемую функцию.

Важность: 3/5

Релиз с открытыми весами и конкретным архитектурным результатом на длинных документах.

ocr document-ai open-weights mit long-context

Источники

официальный baidu/Unlimited-OCR-2 (Unlimited OCR Works 2)

официальный baidu/Unlimited-OCR