Baidu выложила Unlimited-OCR-2 — OCR-модель, которая, по словам компании, парсит документы любой длины

📄 Baidu выложила Unlimited-OCR-2 — OCR-модель, которая, по словам компании, парсит документы любой длины. В примере от разрабов она за один запрос разбирает целую книгу про Гарри Поттера.
🧠 Фишка — разреженное внимание SR-SWA: оно сжимает взаимодействие текста и изображения до фиксированного набора опорных токенов, например 512. Отсюда и обещание: задержка на шаг генерации и память почти не зависят от длины документа.
🛠 Лицензия MIT. Для быстрых тестов есть Transformers, для сервера — SGLang.
Толстой, твой выход 📚
Темы:Китай
Комментарии
Комментарии ведутся в Telegram: войдите через Telegram, чтобы написать или поставить лайк. Открыть обсуждение