huggingface.co来源发表:
百度发布 Unlimited OCR 2：用固定大小的参考窗口，把文档解析推向不限长度
核心概要
百度发布 Unlimited OCR 2，目标是把文档解析从长文档推进到不限长度。此前的 OCR 模型在超长序列上做文本与视觉的注意力交互，计算量随长度增长；新版本用稀疏参考滑动窗口注意力（SR-SWA），把这类交互压缩到固定大小的一组工作参考上，例如 512 个 token，从而给计算复杂度设上限。发布同时给出面向超长文档解析的新基准 MarathonDocBench，模型已接入 Transformers、vLLM、SGLang 等推理路径。
深度剖析
百度推出 Unlimited OCR 2，把文档解析的目标长度从长文档扩展到不限长度，并称其为 OCR-3.0 时代的开端。 上一代 Unlimited-OCR 的定位是在 Deepseek-OCR 的基础上再推进一步，此次发布把范围明确写成从长程解析走向不限长度解析。 发布说明把不限长度解析与 SR-SWA 直接绑定，并同时放出面向超长文档解析的基准 MarathonDocBench。
新版本的核心改动是稀疏参考滑动窗口注意力，它让文本与视觉之间的注意力只在一组固定大小的工作参考上发生。 常规做法是让超长序列中的文本与视觉 token 两两交互，交互量随序列变长而增长；SR-SWA 把这类交互压缩到固定大小的参考集合。 发布说明给出的参考规模示例是 512 个 token，并称由此为计算复杂度设定了上界。
启示与展望
发布说明面向需要解析超长文档的研究人员与工程团队，给出的支持范围是 SR-SWA 把文本视觉交互压缩到固定大小参考集合，并配套发布 MarathonDocBench 这一超长文档解析基准。
发布说明称 SR-SWA 为计算复杂度设定了上界，但给出的参考规模只是 512 个 token 这一示例，未说明该设置在不同文档长度下的表现。