baidu/Unlimited-OCR-2 · Hugging Face

发布【2026/10/27】🚀 Baidu 发布 Unlimited OCR 2，借助 SR-SWA 实现无限视野文档解析。要点：1）稀疏参考滑动窗口注意力（SR-SWA）：将超长序列中的文本-视觉注意力交互压缩为一组固定规模的工作参考集（如 512 个 token），从而为计算复杂度设定上限——无论文档多长，每步解码延迟与内存占用均近乎恒定；2）从长视野走向无限视野解析：在 SR-SWA 驱动下，Unlimited OCR 2 在有限上下文窗口内实现真正无界的文档解析，随文档增长消除了二次方注意力扩展与内存瓶颈；3）超长文档解析 SOTA：在数十页级基准（如 MPDocBench）与极端百页级基准（如 MarathonDocBench）上均取得最先进性能。

发布【2026/10/27】🚀 我们正式发布 Unlimited OCR 2，借助 SR-SWA 实现无限视野（unlimited-horizon）文档解析。

2 版新特性

稀疏参考滑动窗口注意力（Sparse Reference Sliding Window Attention, SR-SWA）：将超长序列中的文本-视觉注意力交互压缩为一组固定规模的工作参考（working references，例如 512 个 token）。这为计算复杂度设定了上限——无论文档长度如何，每步解码延迟与内存占用均近乎恒定。

从长视野走向无限视野解析：在 SR-SWA 的驱动下，Unlimited OCR 2 在有限上下文窗口内实现了真正无界的文档解析——随着文档规模增长，有效消除了二次方注意力扩展和内存瓶颈。

超长文档解析 SOTA：在数十页级基准（如 MPDocBench）和极端百页级基准（如 MarathonDocBench）上均取得当前最先进（SOTA）性能。