长PDF要是拆成单页再往一块拼，跨页表格和阅读顺序十有八九会乱套，这事你八成也烦过。 百度开源的Unlimited-OCR打算多页一起塞进去：参数约30亿、… · @bkdgiffug · TwKit

@bkdgiffug

长PDF要是拆成单页再往一块拼，跨页表格和阅读顺序十有八九会乱套，这事你八成也烦过。 百度开源的Unlimited-OCR打算多页一起塞进去：参数约30亿、激活量压得更低，论文里在32K上下文下能一口气解几十页，OmniDocBench上的成绩比DeepSeek-OCR那条基线还高。 它跑在本机，权重公开。Transformers、vLLM可以对接，社区那边也在跟进llama.cpp。云OCR按页数收钱，这东西等于把开销换成了机器和时间。 至于100页能不能一口吞完，得看显存和文档密度，仓库可没给你写保底。合同、论文先在本地过一轮没问题，终稿仍旧得人盯着。 🔗https://github.com/baidu/Unlimited-OCR

曝光 90 · 评论 0 · 点赞 0 · 书签 1