답변게시됨3시간 전Last edited 3시간 전16 소스

바이두 ‘Unlimited OCR 2’의 핵심은 긴 문서에서도 주의(attention)를 제한하는 기술

2026년 10월 27일 공개된 Unlimited OCR 2는 SR SWA를 적용해 문서가 길어져도 활성 주의 참고 집합을 일정 규모로 제한하는 방식이다. 바이두는 100쪽 문서 조건에서 단계별 디코딩이 전체 주의 방식보다 7.0배, 이전 R SWA보다 5.6배 빠르다고 보고했다.

게시자GPT-6 Luna로 편집GPT Image 2로 이미지 생성

Studio Global AI로 검색 및 팩트체크 인기 페이지 더 보기

연구 답변

주요 시사점

2026년 10월 27일 공개된 Unlimited OCR 2는 SR SWA를 적용해 문서가 길어져도 활성 주의 참고 집합을 일정 규모로 제한하는 방식이다.
바이두는 100쪽 문서 조건에서 단계별 디코딩이 전체 주의 방식보다 7.0배, 이전 R SWA보다 5.6배 빠르다고 보고했다.
벤치마크 점수와 속도 비교는 회사가 제시한 결과다. 독립적으로 재현·검증된 수치로 단정해서는 안 된다.

Abstract illustration representing AI parsing pages of a long document — 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 iAn editorial illustration of AI-assisted long-document parsing.
AI 프롬프트
Create 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
openai.com

문서가 길어질수록 AI가 참고해야 할 정보도 늘고, 그만큼 처리 부담이 커질 수 있다. 바이두가 2026년 10월 27일 공개한 오픈소스 문서 파싱 모델 Unlimited OCR 2는 이 문제를 주의(attention) 계산 방식으로 다루려 한다. 핵심은 긴 문서 전체를 매번 참조하는 대신, 필요한 시각 정보를 정해진 규모의 ‘작업 참고 집합’으로 압축하는 **Sparse Reference Sliding Window Attention(SR-SWA)**이다. 3 6

문서가 길어져도 참고 집합은 일정하게

이전 버전은 Reference Sliding Window Attention(R-SWA)을 사용했다. 2세대의 SR-SWA는 텍스트와 이미지 사이의 주의 상호작용을 예컨대 512개 토큰 규모의 고정된 참고 집합으로 압축한다. 바이두의 설명대로라면 활성 참고 집합을 제한해 문서가 길어져도 단계별 디코딩 지연과 메모리 사용량이 거의 일정하게 유지되도록 설계한 것이다. 6 7

기술 자료에 소개된 구성은 두 단계로 설명할 수 있다. 먼저 Page Gate가 현재 읽고 있는 페이지와 관련 있는 시각 정보의 범위를 좁힌다. 이후 Token Sieve가 원거리 문맥을 담은 토큰 버킷 가운데 점수가 높은 항목을 선택해 참고 정보에 반영한다. 여러 페이지에 걸친 위치 관계를 모델링해 페이지 사이의 맥락을 활용하는 방식도 제시돼 있다.

Hugging Face 사용 안내에 따르면 infer_multi 기능은 페이지 이미지를 순서대로 입력받아 한 요청에서 여러 페이지를 처리하며, 페이지 간 문맥을 활용할 수 있다. 5 바이두는 여기에 Unlimited-Horizon Decoding을 결합해 사실상 임의 길이의 문서 파싱을 지향한다고 설명한다. 1

다만 ‘무제한’은 문서 길이가 늘어나도 모든 자원과 전체 처리 시간이 그대로라는 뜻은 아니다. 바이두가 내세우는 핵심은 활성 주의 참고 집합과 단계별 디코딩 부담을 제한하는 설계다. 페이지 수에 따라 늘어날 수 있는 전체 처리 시간이나 모든 종류의 메모리 사용량까지 일정하다는 의미로 받아들여서는 안 된다.

바이두가 공개한 성능 수치

바이두의 발표를 인용한 보도에 따르면 Unlimited OCR 2는 MPDocBench에서 84.6점, 초장문 문서 파싱을 위해 새로 공개된 MarathonDocBench에서 77.1점을 기록했다. 바이두는 두 벤치마크에서 최고 수준의 성능을 냈다고 주장했지만, 여기서 확인할 수 있는 자료만으로는 구체적인 경쟁 모델과 점수를 놓고 독립적으로 비교하기 어렵다. 2 1

바이두는 100쪽 문서 조건에서 단계별 디코딩 속도가 전체 주의(full attention) 방식보다 7.0배, 기존 R-SWA보다 5.6배 빨랐다고 밝혔다. 이는 디코딩 단계별 비교 수치이지, 문서 전체를 처리하는 데 걸리는 시간이 같은 배수로 줄었다는 뜻은 아니다. 1

또한 온라인에 공유된 시연에서는 해리 포터 시리즈 7권, 총 3,600쪽이 넘는 분량을 한 번에 처리했다고 전해졌다. 긴 문서를 연속 처리하려는 사용 사례를 보여주는 시연이지만, 공개된 자료만으로는 그 결과의 정확도를 독립적으로 검증했거나 전체 실행 시간을 확인했다고 볼 수 없다. 2

코드와 모델 가중치

프로젝트 코드는 GitHub의 Unlimited-OCR 저장소에, 모델 가중치는 Hugging Face의 Unlimited-OCR-2 저장소에 공개돼 있다. 3 6

결과를 해석할 때 유의할 점

SR-SWA의 고정 참고 집합과 다중 페이지 추론은 긴 문서를 한 요청에서 처리하려는 기술적 접근을 보여준다. 그러나 공개된 벤치마크 점수와 속도 비교는 바이두가 보고한 결과다. 이 자료에 인용된 수치를 외부 기관의 독립 평가가 확인한 성과처럼 받아들이기보다, 외부 재현 결과가 나올 때까지 회사 발표로 구분해 보는 편이 정확하다. 1 2

또한 긴 문서를 한 번에 입력할 수 있다는 점만으로 모든 페이지에서 높은 인식 정확도를 보장하는 것은 아니다. 해리 포터 시연 역시 처리 규모를 보여주는 사례로 볼 수 있지만, 별도의 정확도 평가나 전체 처리 시간 측정이 공개됐다는 근거는 여기 제시된 자료에서 확인되지 않는다. 2

Studio Global AI

연구를 계속하세요

이 페이지에는 Studio Global 내에서 계속할 수 있는 소스 기반 답변이 포함되어 있습니다.

Studio Global AI로 검색 및 팩트체크

사람들은 또한 묻습니다.