उत्तरप्रकाशित16 स्रोत
बाइडू का Unlimited OCR 2 लंबे दस्तावेज़ों को एक ही अनुरोध में पढ़ने का दावा करता है
27 अक्टूबर 2026 को जारी Unlimited OCR 2, Sparse Reference Sliding Window Attention (SR SWA) के ज़रिए कई पन्नों वाले दस्तावेज़ को एक अनुरोध में पढ़ने की कोशिश करता है। बाइडू के मुताबिक, 100 पन्नों के परीक्षण में प्रति चरण डिकोडिंग Full Attention से 7.0 गुना और पुराने R SWA से 5.6 गुना तेज़ थी। मॉडल का कोड GitHub और व...
प्रकाशितकर्ताGPT-6 Luna से संपादितGPT Image 2 से चित्र बनाए गए
शोध उत्तर
मुख्य निष्कर्ष
- 27 अक्टूबर 2026 को जारी Unlimited OCR 2, Sparse Reference Sliding Window Attention (SR SWA) के ज़रिए कई पन्नों वाले दस्तावेज़ को एक अनुरोध में पढ़ने की कोशिश करता है।
- बाइडू के मुताबिक, 100 पन्नों के परीक्षण में प्रति चरण डिकोडिंग Full Attention से 7.0 गुना और पुराने R SWA से 5.6 गुना तेज़ थी।
- मॉडल का कोड GitHub और वेट्स Hugging Face पर उपलब्ध हैं। बेंचमार्क और स्पीड के आंकड़े कंपनी द्वारा बताए गए हैं, स्वतंत्र नतीजे नहीं।
AI संकेत
openai.comCreate a landscape editorial hero image for this Studio Global article: What is Baidu’s Unlimited OCR 2, open-sourced as reported on October 28, 2026, and how does it advance the original Unlimited-OCR released i. Article summary: Baidu’s Unlimited OCR 2 is an open-source, end-to-end document-parsing model designed to process extremely long documents in a single request using bounded working attention, rather than a context that grows with every p. Topic tags: general, general web, user generated, academic. Style: premium digital editorial illustration, source-backed research mood, clean composition, high detail, modern web publication hero. Use reference image context only for broad subject, composition, and topical grounding; do not copy the exact image. Avoid: logos, brand marks, copyrighted characters, real person likenesses, fake screenshots, UI text, readable text, watermarks, char
बाइडू ने 27 अक्टूबर 2026 को Unlimited OCR 2 जारी किया। यह एक ओपन-सोर्स मॉडल है, जिसे लंबे दस्तावेज़ों के पन्नों को अलग-अलग अनुरोधों में देने के बजाय एक ही अनुरोध में पढ़ने के लिए बनाया गया है। इसका मुख्य बदलाव Sparse Reference Sliding Window Attention (SR-SWA) है: पूरे दस्तावेज़ पर ध्यान की गणना फैलाने के बजाय, मॉडल सीमित आकार के सक्रिय संदर्भों के समूह पर काम करता है। बाइडू ने बेंचमार्क और गति के अच्छे नतीजे बताए हैं, लेकिन इन्हें कंपनी के दावों के रूप में देखना चाहिए—स्वतंत्र सत्यापन के रूप में नहीं। 3
6
2
Unlimited OCR 2 में क्या बदला?
पहले संस्करण में Reference Sliding Window Attention (R-SWA) इस्तेमाल हुआ था। दूसरे संस्करण में लंबे दस्तावेज़ों को संभालने के लिए SR-SWA जोड़ा गया है। परियोजना के विवरण के मुताबिक, यह टेक्स्ट और दृश्य जानकारी के बीच ध्यान की गणना को सीमित आकार के सक्रिय संदर्भों—मिसाल के तौर पर 512 टोकन—तक समेटता है। इसका मकसद दस्तावेज़ लंबा होने पर भी हर डिकोडिंग चरण की गति और मेमरी का इस्तेमाल लगभग स्थिर रखना है। 6
7
यही सीमित सक्रिय संदर्भ “अनलिमिटेड” दावे की बुनियाद है: मॉडल का लक्ष्य ऐसा संदर्भ बनाए रखना है जो हर नए पन्ने के साथ लगातार बढ़ता न जाए। हालांकि, इसका यह अर्थ नहीं कि पन्ने बढ़ने पर कुल प्रोसेसिंग समय या हर संसाधन स्थिर ही रहेगा, या मॉडल हर दस्तावेज़ को बिना गलती पढ़ लेगा।
Hugging Face पर दिए निर्देशों के अनुसार, infer_multi सुविधा में पन्नों की तस्वीरें क्रम से देकर पूरे दस्तावेज़ को एक अनुरोध में प्रोसेस किया जा सकता है। इससे मॉडल को अलग-अलग पन्नों के बीच का संदर्भ इस्तेमाल करने का मौका मिलता है। 5 बाइडू इसे Unlimited-Horizon Decoding तरीके के तौर पर भी बताता है।
1
कंपनी के बताए नतीजे और प्रदर्शन
बाइडू की रिलीज़ पर एक समाचार सारांश में MPDocBench पर 84.6 और बहुत लंबे दस्तावेज़ों की जाँच के लिए पेश किए गए MarathonDocBench पर 77.1 स्कोर बताए गए हैं। बाइडू ने इन नतीजों को अत्याधुनिक बताया है; उपलब्ध रिपोर्टिंग में नामित प्रतिस्पर्धी मॉडलों के साथ विस्तृत तुलना नहीं है, जिससे इस दावे की स्वतंत्र रूप से पुष्टि की जा सके। 2
1
बाइडू के मुताबिक, 100-पन्नों वाले परीक्षण में प्रति-चरण डिकोडिंग Full Attention के मुकाबले 7.0 गुना और पुराने R-SWA के मुकाबले 5.6 गुना तेज़ थी। ये आंकड़े डिकोडिंग के हर चरण की गति से जुड़े हैं—पूरे दस्तावेज़ को पढ़ने में लगने वाले कुल समय से नहीं। 1
एक साझा किए गए प्रदर्शन में मॉडल ने Harry Potter की सातों किताबें—कुल 3,600 से अधिक पन्ने—एक रन में प्रोसेस कीं। यह लंबे दस्तावेज़ों को संभालने के बताए गए तरीके का उदाहरण है। लेकिन उपलब्ध जानकारी इस प्रदर्शन के लिए स्वतंत्र रूप से जाँची गई सटीकता या पूरे रन का कुल समय स्थापित नहीं करती। 2
मॉडल कहाँ उपलब्ध है?
बाइडू का कोड Unlimited-OCR GitHub रिपॉज़िटरी और मॉडल वेट्स Unlimited-OCR-2 Hugging Face रिपॉज़िटरी पर उपलब्ध हैं। 3
6
इन दावों से क्या पता चलता है—और क्या नहीं
मुख्य तकनीकी दावा सीमित है: SR-SWA सक्रिय ध्यान-संदर्भों की संख्या को सीमित रखता है, और मल्टी-पेज इनफ़रेंस क्रम से दी गई पन्नों की तस्वीरों को एक अनुरोध में प्रोसेस करने देता है। 5
6 इससे अपने-आप यह साबित नहीं होता कि पूरे सिस्टम की कुल मेमरी या शुरू से अंत तक का प्रोसेसिंग समय स्थिर रहता है। इसे जानने के लिए सिर्फ़ प्रति-चरण डिकोडिंग या attention नहीं, बल्कि पूरे सिस्टम को मापना होगा।
बेंचमार्क स्कोर, अत्याधुनिक प्रदर्शन का दावा और गति की तुलना उपलब्ध स्रोतों में बाइडू द्वारा बताए गए नतीजे हैं, स्वतंत्र मूल्यांकन नहीं। ये मॉडल के घोषित प्रदर्शन के उपयोगी संकेत हैं, लेकिन बाहरी परीक्षणों में दोहराए जाने तक इन्हें दावे के तौर पर ही समझना ठीक होगा। 1
2
Studio Global AI
अपना शोध जारी रखें
इस पृष्ठ में एक स्रोत-समर्थित उत्तर शामिल है जिसे आप Studio Global के अंदर जारी रख सकते हैं।
लोग पूछते भी हैं
"बाइडू का Unlimited OCR 2 लंबे दस्तावेज़ों को एक ही अनुरोध में पढ़ने का दावा करता है" का संक्षिप्त उत्तर क्या है?
27 अक्टूबर 2026 को जारी Unlimited OCR 2, Sparse Reference Sliding Window Attention (SR SWA) के ज़रिए कई पन्नों वाले दस्तावेज़ को एक अनुरोध में पढ़ने की कोशिश करता है।
सबसे पहले सत्यापित करने योग्य मुख्य बिंदु क्या हैं?
27 अक्टूबर 2026 को जारी Unlimited OCR 2, Sparse Reference Sliding Window Attention (SR SWA) के ज़रिए कई पन्नों वाले दस्तावेज़ को एक अनुरोध में पढ़ने की कोशिश करता है। बाइडू के मुताबिक, 100 पन्नों के परीक्षण में प्रति चरण डिकोडिंग Full Attention से 7.0 गुना और पुराने R SWA से 5.6 गुना तेज़ थी।
मुझे अभ्यास में आगे क्या करना चाहिए?
मॉडल का कोड GitHub और वेट्स Hugging Face पर उपलब्ध हैं। बेंचमार्क और स्पीड के आंकड़े कंपनी द्वारा बताए गए हैं, स्वतंत्र नतीजे नहीं।
सूत्र
huggingface.coREADME.md · baidu/Unlimited-OCR-2 at main
github.comGitHub - baidu/Unlimited-OCR: Unlimited OCR Works: Welcome the Era of One-shot Long-horizon Parsing.
news.supwil.comOctober 27, 2026 · AI & Tech Daily Digest - Swil-News