Câu trả lờiĐã xuất bản16 nguồn
Baidu Unlimited OCR 2 xử lý tài liệu dài ra sao?
Ra mắt ngày 27/10/2026, Unlimited OCR 2 dùng Sparse Reference Sliding Window Attention (SR SWA) để giữ tập tham chiếu chú ý ở quy mô cố định khi xử lý tài liệu nhiều trang trong một yêu cầu. Baidu báo cáo tốc độ giải mã từng bước nhanh hơn 7,0 lần so với full attention và 5,6 lần so với R SWA trong thử nghiệm tài li...
Đăng bởiBiên tập bằng GPT-6 LunaHình ảnh được tạo bằng GPT Image 2
Câu trả lời nghiên cứu
Bài học chính
- Ra mắt ngày 27/10/2026, Unlimited OCR 2 dùng Sparse Reference Sliding Window Attention (SR SWA) để giữ tập tham chiếu chú ý ở quy mô cố định khi xử lý tài liệu nhiều trang trong một yêu cầu.
- Baidu báo cáo tốc độ giải mã từng bước nhanh hơn 7,0 lần so với full attention và 5,6 lần so với R SWA trong thử nghiệm tài liệu 100 trang.
- Mã nguồn và trọng số mô hình được công bố trên GitHub và Hugging Face; các điểm số và tuyên bố về hiệu năng hiện chưa được xác nhận độc lập trong những nguồn được dẫn.
Prompt AI
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 công bố mã nguồn mở Unlimited OCR 2 ngày 27/10/2026. Đây là mô hình phân tích tài liệu dài, được thiết kế để nhận ảnh các trang theo thứ tự và xử lý chúng trong một yêu cầu, thay vì buộc người dùng gửi từng trang riêng lẻ. Điểm mới chính là Sparse Reference Sliding Window Attention (SR-SWA), cơ chế nhằm giữ số tham chiếu chú ý đang hoạt động ở mức cố định khi tài liệu ngày càng dài. 3
6
SR-SWA thay đổi cách xử lý tài liệu dài thế nào?
Phiên bản đầu dùng Reference Sliding Window Attention (R-SWA); Unlimited OCR 2 chuyển sang SR-SWA. Theo mô tả của dự án, cơ chế này nén tương tác chú ý giữa văn bản và hình ảnh thành một tập tham chiếu làm việc có kích thước cố định — chẳng hạn 512 token. Mục tiêu là giữ độ trễ giải mã từng bước và bộ nhớ sử dụng gần như ổn định khi số trang tăng lên. 6
7
Bài báo kỹ thuật mô tả thêm hai bước: Page Gate thu hẹp phạm vi trang hình ảnh liên quan đến truy vấn hiện tại, còn Token Sieve chọn các nhóm token hình ảnh có điểm số cao để đưa vào làm tham chiếu xa. Cách làm này nhằm giữ lại thông tin cần thiết từ các trang khác mà không phải mở rộng vùng chú ý ra toàn bộ tài liệu.
Trong hướng dẫn trên Hugging Face, hàm infer_multi nhận ảnh các trang theo đúng thứ tự và xử lý cả tài liệu trong một yêu cầu, nhờ đó mô hình có thể sử dụng ngữ cảnh xuyên trang. 5 Baidu mô tả cách tiếp cận này là giải mã với chân trời không giới hạn.
1
“Không giới hạn” ở đây nên được hiểu là mô hình hướng tới việc tiếp tục xử lý tài liệu dài mà không phải tăng mãi tập tham chiếu chú ý đang hoạt động. Điều đó không đồng nghĩa thời gian xử lý toàn bộ sẽ không đổi khi thêm trang, hay mô hình có thể đọc chính xác mọi loại tài liệu.
Kết quả Baidu công bố
Một bản tin tổng hợp về đợt phát hành cho biết Baidu báo cáo điểm 84,6 trên MPDocBench và 77,1 trên MarathonDocBench, bộ benchmark mới dành cho phân tích tài liệu siêu dài. Baidu gọi kết quả của mình là dẫn đầu; tuy nhiên, thông tin được dẫn ở đây chưa nêu đủ các mô hình đối chiếu và điểm số tương ứng để độc giả tự so sánh độc lập. 2
1
Trong thử nghiệm với tài liệu 100 trang, Baidu cho biết tốc độ giải mã từng bước nhanh hơn 7,0 lần so với full attention và 5,6 lần so với R-SWA. Đây là mức so sánh cho từng bước giải mã, không phải thời gian hoàn tất toàn bộ tài liệu nhanh hơn tương ứng. 1
Một video được chia sẻ cho thấy mô hình xử lý cả bảy cuốn Harry Potter — tổng cộng hơn 3.600 trang — trong một lượt chạy. Màn trình diễn minh họa quy trình xử lý dài mà sản phẩm hướng tới, nhưng các nguồn hiện có không cung cấp kết quả độ chính xác được kiểm toán độc lập hay số đo đầy đủ về thời gian chạy. 2
Mã nguồn và trọng số
Mã dự án có trên GitHub; trọng số mô hình được đăng trên Hugging Face. 3
6
Những điểm cần cân nhắc
Thiết kế cốt lõi của SR-SWA là giới hạn tập tham chiếu chú ý đang hoạt động; còn chế độ nhiều trang cho phép đưa ảnh trang theo thứ tự vào cùng một yêu cầu. 5
6 Những điều này không tự chứng minh rằng tổng bộ nhớ của toàn hệ thống hay thời gian xử lý từ đầu đến cuối luôn cố định: muốn kết luận như vậy cần đo toàn bộ quy trình, không chỉ độ trễ giải mã từng bước.
Các điểm benchmark, tuyên bố dẫn đầu và so sánh tốc độ nêu trên là kết quả Baidu công bố, chưa phải đánh giá độc lập được xác nhận trong các nguồn được dẫn. Vì vậy, chúng là tín hiệu về hiệu năng mà hãng hướng tới, nhưng vẫn cần được tái lập từ bên ngoài. 1
2
Studio Global AI
Tiếp tục nghiên cứu của bạn
Trang này bao gồm câu trả lời dựa trên nguồn mà bạn có thể tiếp tục bên trong Studio Global.
Người ta cũng hỏi
Câu trả lời ngắn gọn cho "Baidu Unlimited OCR 2 xử lý tài liệu dài ra sao?" là gì?
Ra mắt ngày 27/10/2026, Unlimited OCR 2 dùng Sparse Reference Sliding Window Attention (SR SWA) để giữ tập tham chiếu chú ý ở quy mô cố định khi xử lý tài liệu nhiều trang trong một yêu cầu.
Những điểm chính cần xác nhận đầu tiên là gì?
Ra mắt ngày 27/10/2026, Unlimited OCR 2 dùng Sparse Reference Sliding Window Attention (SR SWA) để giữ tập tham chiếu chú ý ở quy mô cố định khi xử lý tài liệu nhiều trang trong một yêu cầu. Baidu báo cáo tốc độ giải mã từng bước nhanh hơn 7,0 lần so với full attention và 5,6 lần so với R SWA trong thử nghiệm tài liệu 100 trang.
Tôi nên làm gì tiếp theo trong thực tế?
Mã nguồn và trọng số mô hình được công bố trên GitHub và Hugging Face; các điểm số và tuyên bố về hiệu năng hiện chưa được xác nhận độc lập trong những nguồn được dẫn.
Nguồn
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