百度开源了 Unlimited-OCR-2，一个专门识别长文档文字的模型，3.34B 参数，MIT 协议。 文档越长，模型要算的东西通常就越多。它的做法是把… · @Moblacksoil · TwKit

@Moblacksoil

百度开源了 Unlimited-OCR-2，一个专门识别长文档文字的模型，3.34B 参数，MIT 协议。 文档越长，模型要算的东西通常就越多。它的做法是把要回头对照的内容压成一份固定大小的参考（比如 512 token），所以文档再长，每一步的延迟和显存也几乎不涨。 百度说，它在 MPDocBench 和 MarathonDocBench 这两个几十页到上百页的长文档评测上拿到了最好成绩。可以用 Transformers 和 SGLang 部署。

曝光 151 · 评论 2 · 点赞 2 · 书签 0