AnswersPublished17 sources
Baidu Unlimited OCR 2: Bagaimana SR-SWA Membaca Dokumen Panjang
Dilancarkan pada 27 Oktober 2026, Unlimited OCR 2 menggunakan Sparse Reference Sliding Window Attention (SR SWA) untuk mengehadkan set rujukan perhatian aktif ketika memproses berbilang halaman dalam satu permintaan. Baidu melaporkan skor 84.6 pada MPDocBench dan 77.1 pada MarathonDocBench, serta penyahkodan setiap...
Diterbitkan olehDisunting dengan GPT-6 LunaImej dijana dengan GPT Image 2
Research answer
Key takeaways
- Dilancarkan pada 27 Oktober 2026, Unlimited OCR 2 menggunakan Sparse Reference Sliding Window Attention (SR SWA) untuk mengehadkan set rujukan perhatian aktif ketika memproses berbilang halaman dalam satu permintaan.
- Baidu melaporkan skor 84.6 pada MPDocBench dan 77.1 pada MarathonDocBench, serta penyahkodan setiap langkah 7.0× lebih pantas berbanding full attention dan 5.6× berbanding R SWA dalam ujian 100 halaman.
- Kod projek tersedia di GitHub dan pemberat model di Hugging Face. Angka prestasi tersebut ialah laporan Baidu, bukan penilaian bebas.
AI Prompt
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 melancarkan Unlimited OCR 2 pada 27 Oktober 2026 sebagai model sumber terbuka untuk membaca dan menghuraikan dokumen panjang dalam satu permintaan. Perubahan utama daripada versi pertamanya ialah Sparse Reference Sliding Window Attention (SR-SWA), yang mengehadkan rujukan visual dan teks yang digunakan model pada setiap langkah, bukannya membiarkan skop perhatian berkembang bersama panjang dokumen. 3
6
2
Bagaimana SR-SWA mengendalikan banyak halaman
Unlimited OCR yang pertama menggunakan Reference Sliding Window Attention (R-SWA). Versi 2 memperkenalkan SR-SWA, yang memampatkan interaksi perhatian teks-visual kepada set rujukan kerja bersaiz tetap—contohnya, 512 token. Matlamatnya ialah memastikan latensi penyahkodan bagi setiap langkah dan penggunaan memori kekal hampir sekata apabila dokumen semakin panjang. 6
7
Secara ringkas, model tidak perlu meneliti semua maklumat visual daripada setiap halaman pada setiap langkah. Mekanisme Page Gate mengecilkan pilihan rujukan kepada halaman yang berkaitan, sambil mengambil kira hubungan kedudukan antara halaman. Selepas itu, Token Sieve memilih kelompok token visual berskor tinggi daripada bahagian lain dokumen untuk membantu menangkap kaitan jarak jauh.
Baidu turut menerangkan pendekatan penyahkodan Unlimited-Horizon: apabila cache yang tidak lagi diperlukan dilepaskan, model boleh meneruskan pemprosesan dengan set rujukan aktif yang terkawal. 15 Dalam arahan penggunaan Hugging Face, fungsi
infer_multi menerima imej halaman mengikut turutan dan menghuraikannya dalam satu permintaan, dengan konteks merentas halaman tersedia. 5
Jadi, “tanpa had” merujuk kepada reka bentuk yang bertujuan meneruskan penghuraian dokumen tanpa konteks perhatian aktif yang terus membesar. Ia bukan jaminan bahawa masa pemprosesan keseluruhan atau setiap keperluan sumber kekal sama apabila halaman ditambah, mahupun bahawa model akan membaca setiap dokumen dengan tepat.
Prestasi yang dilaporkan Baidu
Ringkasan berita mengenai pelancaran itu menyatakan Baidu melaporkan skor 84.6 pada MPDocBench dan 77.1 pada MarathonDocBench, penanda aras baharu untuk penghuraian dokumen ultra panjang. Baidu menyifatkan prestasinya sebagai yang terbaik dalam kelasnya, tetapi maklumat yang tersedia di sini tidak cukup untuk membandingkannya secara bebas dengan model pesaing tertentu. 2
1
Baidu juga melaporkan bahawa dalam tetapan 100 halaman, penyahkodan bagi setiap langkah adalah 7.0× lebih pantas berbanding full attention dan 5.6× lebih pantas berbanding R-SWA. Angka ini merujuk kepada kelajuan setiap langkah penyahkodan, bukannya masa keseluruhan untuk memproses satu dokumen dari mula hingga selesai. 1
Satu demonstrasi yang tersebar dilaporkan memproses ketujuh-tujuh buku Harry Potter—lebih 3,600 halaman—dalam satu larian. Ia menunjukkan jenis tugasan panjang yang ingin disokong model ini, tetapi bukti yang tersedia tidak memberikan skor ketepatan yang diaudit secara bebas atau ukuran lengkap masa pemprosesan demonstrasi tersebut. 2
Kod dan model tersedia
Kod projek boleh didapati dalam repositori GitHub Unlimited-OCR, manakala pemberat model disenaraikan di repositori Unlimited-OCR-2 di Hugging Face. 3
6
Cara membaca dakwaan “tanpa had”
Idea teknikal terasnya khusus: SR-SWA mengehadkan set rujukan perhatian aktif, sementara fungsi berbilang halaman membolehkan imej halaman yang tersusun dihantar dalam satu permintaan. 5
6 Kedua-dua perkara itu tidak dengan sendirinya membuktikan penggunaan memori keseluruhan atau masa pemprosesan hujung ke hujung sentiasa malar. Untuk menilainya, keseluruhan sistem—termasuk pemprosesan imej dan pengurusan hasil—perlu diukur, bukan kelajuan setiap langkah sahaja.
Skor penanda aras, dakwaan kedudukan terbaik dan perbandingan kelajuan yang disebut di sini ialah hasil yang dilaporkan Baidu, bukannya penilaian bebas. Ia memberi petunjuk tentang prestasi yang disasarkan, tetapi wajar dianggap sebagai dakwaan yang masih menunggu pengesahan pihak luar. 1
2
Studio Global AI
Continue your research
This page includes a source-backed answer you can continue inside Studio Global.
People also ask
What is the short answer to "Baidu Unlimited OCR 2: Bagaimana SR-SWA Membaca Dokumen Panjang"?
Dilancarkan pada 27 Oktober 2026, Unlimited OCR 2 menggunakan Sparse Reference Sliding Window Attention (SR SWA) untuk mengehadkan set rujukan perhatian aktif ketika memproses berbilang halaman dalam satu permintaan.
What are the key points to validate first?
Dilancarkan pada 27 Oktober 2026, Unlimited OCR 2 menggunakan Sparse Reference Sliding Window Attention (SR SWA) untuk mengehadkan set rujukan perhatian aktif ketika memproses berbilang halaman dalam satu permintaan. Baidu melaporkan skor 84.6 pada MPDocBench dan 77.1 pada MarathonDocBench, serta penyahkodan setiap langkah 7.0× lebih pantas berbanding full attention dan 5.6× berbanding R SWA dalam ujian 100 halaman.
What should I do next in practice?
Kod projek tersedia di GitHub dan pemberat model di Hugging Face. Angka prestasi tersebut ialah laporan Baidu, bukan penilaian bebas.
Sources
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
x.comBaidu AI on X