跳转到正文

RUITA / DAILY BRIEF ·

今日三件大事本期重点

百度发布Unlimited-OCR-2:用稀疏注意力处理超长文档

百度在10月27日更新模型卡,发布Unlimited-OCR-2和百页级文档基准MarathonDocBench。其SR-SWA机制把每步关注的信息压到固定大小;模型卡称在自家基准上领先,测试配置为A800 80GB。

核心信息

  1. 01

    百度模型卡把Unlimited-OCR-2与MarathonDocBench的发布时间标为2026年10月27日。

  2. 02

    SR-SWA会把长文档中的文本—图像注意力压到固定大小的参考信息(示例为512个token),这是厂商给出的机制说明。

  3. 03

    模型卡列出Transformers和SGLang用法,并注明其测试配置为NVIDIA A800 80GB。

它试图解决长文档越读越贵的问题

SR-SWA(稀疏参考滑窗注意力)是一种让模型每一步只保留固定大小“参考区”的做法。百度称,这能让单步读取的延迟和内存占用较少随页数增长。模型卡把它用于Unlimited-OCR-2的超长文档解析。

百度同时发布MarathonDocBench,作为百页级文档解析基准;因此模型和新基准目前由同一厂商共同提供。

复现时先看硬件和基准口径

模型卡说明支持Transformers快速测试和SGLang部署,并列出A800 80GB作为测试配置。对学校或实验室来说,这不是“普通电脑就能跑”的承诺,实际显存和吞吐仍需按自己的文档、批次和部署方式测。

模型卡称它在数十页与百页级基准上达到领先成绩,但这属于发布方报告。原稿附的arXiv:2606.23050是6月的Unlimited-OCR论文,不是这次2代模型的论文;本稿不拿它证明2代结果。