JawabanDipublikasikan16 sumber
Baidu Unlimited OCR 2 mengandalkan SR-SWA untuk membaca dokumen panjang
Dirilis pada 27 Oktober 2026, Unlimited OCR 2 memakai Sparse Reference Sliding Window Attention (SR SWA) untuk menjaga jumlah referensi perhatian aktif tetap terbatas saat memproses dokumen multi halaman dalam satu pe... Baidu melaporkan skor 84,6 di MPDocBench dan 77,1 di MarathonDocBench, serta dekode per langkah...
Diterbitkan olehDiedit dengan GPT-6 LunaGambar dibuat dengan GPT Image 2
Jawaban penelitian
Poin-poin penting
- Dirilis pada 27 Oktober 2026, Unlimited OCR 2 memakai Sparse Reference Sliding Window Attention (SR SWA) untuk menjaga jumlah referensi perhatian aktif tetap terbatas saat memproses dokumen multi halaman dalam satu pe...
- Baidu melaporkan skor 84,6 di MPDocBench dan 77,1 di MarathonDocBench, serta dekode per langkah 7,0 kali lebih cepat daripada full attention dan 5,6 kali lebih cepat daripada R SWA pada pengujian 100 halaman.
- Kode tersedia di GitHub dan bobot model di Hugging Face. Angka performa tersebut merupakan klaim yang dilaporkan Baidu, bukan hasil evaluasi independen dalam sumber yang tersedia.
AI Perintah
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
Baidu merilis Unlimited OCR 2 pada 27 Oktober 2026 sebagai model open-source untuk membaca dan mengurai dokumen panjang dalam satu permintaan. Pembaruan utamanya adalah Sparse Reference Sliding Window Attention (SR-SWA), mekanisme yang membatasi referensi visual dan teks yang aktif dipakai model, alih-alih memperluas perhatian ke seluruh isi dokumen. 3
6
Gagasan ini ditujukan untuk menahan latensi dekode per langkah dan penggunaan memori agar tetap hampir konstan ketika dokumen bertambah panjang. Namun, “hampir konstan” di sini bukan berarti total waktu pemrosesan tak berubah, atau setiap dokumen pasti terbaca dengan akurat.
Apa yang baru dari SR-SWA?
Versi pertama memakai Reference Sliding Window Attention (R-SWA). Di versi kedua, SR-SWA meringkas interaksi perhatian teks-visual dari urutan yang sangat panjang menjadi kumpulan referensi kerja dengan ukuran tetap—misalnya 512 token. 6
7
Dua bagian teknis membantu memilih informasi yang perlu diperhatikan. Page Gate mempersempit cakupan referensi visual ke halaman yang relevan sambil mempertimbangkan hubungan posisi antarhalaman. Setelah itu, Token Sieve memilih kelompok token visual jarak jauh dengan skor tertinggi agar model tetap bisa menangkap keterkaitan antarbagian dokumen.
Untuk inferensi multi-halaman, petunjuk penggunaan model menunjukkan bahwa gambar halaman diberikan sesuai urutan, lalu diproses melalui satu permintaan dengan konteks lintas halaman. 5 Baidu menyebut pendekatan penguraiannya sebagai unlimited-horizon decoding; istilah “unlimited” merujuk pada rancangan untuk terus memproses dokumen dengan konteks kerja aktif yang dibatasi, bukan jaminan bahwa semua panjang dokumen dapat diproses tanpa kendala.
1
6
Demo dan angka performa yang dilaporkan
Sebuah demonstrasi yang beredar dilaporkan memproses ketujuh buku Harry Potter—lebih dari 3.600 halaman—dalam satu kali proses. Demo itu menggambarkan penggunaan yang dituju, tetapi sumber yang tersedia tidak menunjukkan penilaian akurasi independen atau pengukuran lengkap waktu pemrosesannya. 2
Dalam hasil yang diumumkan Baidu, model meraih skor 84,6 di MPDocBench dan 77,1 di MarathonDocBench, benchmark baru untuk penguraian dokumen ultra-panjang. Baidu menyebut hasilnya sebagai yang terdepan; sumber yang tersedia di sini tidak memberikan rincian cukup untuk membandingkan skor tersebut secara independen dengan model pesaing tertentu. 1
2
Baidu juga melaporkan bahwa, pada pengujian 100 halaman, dekode per langkah 7,0 kali lebih cepat daripada full attention dan 5,6 kali lebih cepat daripada R-SWA. Angka ini merujuk pada langkah dekode, bukan waktu total untuk memproses seluruh dokumen. 1
Akses model dan batas klaim
Kode proyek tersedia di repositori Unlimited-OCR di GitHub, sedangkan bobot model tercantum di [repositori Unlimited-OCR-2 di Hugging Face].3
3
6
SR-SWA menawarkan rancangan yang spesifik: membatasi kumpulan referensi perhatian aktif dan memungkinkan inferensi beberapa halaman dalam satu permintaan. 5
6 Itu tidak dengan sendirinya membuktikan bahwa penggunaan memori seluruh sistem atau waktu pemrosesan dari awal hingga akhir akan tetap konstan ketika halaman ditambahkan.
Skor benchmark, klaim bahwa hasilnya terdepan, serta perbandingan kecepatan di atas adalah hasil yang dilaporkan Baidu, bukan evaluasi independen yang ditunjukkan oleh sumber-sumber ini. Angka-angka tersebut memberi gambaran tentang performa yang dituju, tetapi masih perlu ditafsirkan sebagai klaim yang menunggu replikasi pihak luar. 1
2
Studio Global AI
Lanjutkan penelitian Anda
Halaman ini berisi jawaban yang didukung sumber yang dapat Anda lanjutkan di dalam Studio Global.
Orang-orang juga bertanya
Apa jawaban singkat untuk "Baidu Unlimited OCR 2 mengandalkan SR-SWA untuk membaca dokumen panjang"?
Dirilis pada 27 Oktober 2026, Unlimited OCR 2 memakai Sparse Reference Sliding Window Attention (SR SWA) untuk menjaga jumlah referensi perhatian aktif tetap terbatas saat memproses dokumen multi halaman dalam satu pe...
Apa poin penting yang harus divalidasi terlebih dahulu?
Dirilis pada 27 Oktober 2026, Unlimited OCR 2 memakai Sparse Reference Sliding Window Attention (SR SWA) untuk menjaga jumlah referensi perhatian aktif tetap terbatas saat memproses dokumen multi halaman dalam satu pe... Baidu melaporkan skor 84,6 di MPDocBench dan 77,1 di MarathonDocBench, serta dekode per langkah 7,0 kali lebih cepat daripada full attention dan 5,6 kali lebih cepat daripada R SWA pada pengujian 100 halaman.
Apa yang harus saya lakukan selanjutnya dalam latihan?
Kode tersedia di GitHub dan bobot model di Hugging Face. Angka performa tersebut merupakan klaim yang dilaporkan Baidu, bukan hasil evaluasi independen dalam sumber yang tersedia.
Sumber
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.
ai-all.infoDeep Evaluation of Unlimited OCR 2: Baidu WENXIN's Open-Source End-to-End Long Document Parsing Model - AI Tools Directory