Unlimited OCR 2
百度推出的超长文档OCR模型，采用稀疏参考滑动窗口注意力机制，支持无界文档解析，在超长文档基准上达到SOTA。
时间轴 (近 90 天)
如果单次请求解析百页文档稳定成立，将改变文档智能流水线中 OCR 后分块策略受页数上限限制的现状
百度开源了 Unlimited OCR 2 模型
Unlimited OCR 2 采用 MIT 许可证
Unlimited OCR 2 能在一次请求中解析上百页文档
Unlimited OCR 2 采用 SR-SWA 注意力机制，使每步解码开销几乎保持恒定
Unlimited OCR 2 在 MarathonDocBench 上取得 77.1 分
SR-SWA 的具体实现细节、显存占用曲线或不同页数下的延迟数据未在原始素材中披露
单一基准分数（如 77.1 分）不足以全面评估长文档 OCR 的真实质量，还需考虑版面复杂度、扫描质量等因素
百度在Hugging Face上发布了Unlimited OCR 2，模型页面为baidu/Unlimited-OCR-2。
Unlimited OCR 2的核心创新是稀疏参考滑动窗口注意力（SR-SWA），将文本-视觉注意力交互压缩到固定大小的参考集（例如512个token）。
还有 6 条时间轴事件
全部知识事实 (16)
SR-SWA 的具体实现细节、显存占用曲线或不同页数下的延迟数据未在原始素材中披露
50%待验证单一基准分数（如 77.1 分）不足以全面评估长文档 OCR 的真实质量，还需考虑版面复杂度、扫描质量等因素
50%待验证Unlimited OCR 2 采用 MIT 许可证
50%待验证Unlimited OCR 2 能在一次请求中解析上百页文档
50%待验证Unlimited OCR 2 采用 SR-SWA 注意力机制，使每步解码开销几乎保持恒定
50%待验证Unlimited OCR 2 在 MarathonDocBench 上取得 77.1 分
50%待验证SR-SWA在真实复杂文档上的鲁棒性、对版面多样性的适应能力，以及固定参考集是否会在极长文档中丢失关键细节，均需后续验证。
50%待验证官方提到的512 token参考集是一个示例值，实际部署中的配置空间和调优策略尚未披露。
50%待验证Unlimited OCR 2的核心创新是稀疏参考滑动窗口注意力（SR-SWA），将文本-视觉注意力交互压缩到固定大小的参考集（例如512个token）。
50%待验证SR-SWA使每步解码延迟和内存占用几乎不随文档长度增长。
50%待验证Unlimited OCR 2的SR-SWA在滑动窗口基础上引入参考集机制，使文本与视觉信息能够跨窗口交互，避免纯滑动窗口遗忘远处信息的问题。
50%待验证百度称Unlimited OCR 2在数十页级别的基准MPDocBench和百页级别的基准MarathonDocBench上均取得SOTA表现。
50%待验证Unlimited OCR 2的SOTA声明基于百度官方自测结果，第三方独立评测尚未出现。
50%待验证如果单次请求解析百页文档稳定成立，将改变文档智能流水线中 OCR 后分块策略受页数上限限制的现状
50%待验证百度开源了 Unlimited OCR 2 模型
50%待验证百度在Hugging Face上发布了Unlimited OCR 2，模型页面为baidu/Unlimited-OCR-2。
50%