百度发布 Unlimited OCR 2：SR-SWA 实现无界长文档解析
原标题：baidu/Unlimited-OCR-2
AI 摘要
百度发布 Unlimited OCR 2 视觉语言 OCR 模型，提出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工作参考集（如 512 tokens），使每步解码延迟和内存占用几乎不随文档长度增长。该模型实现有限上下文窗口内的无界文档解析，在 MPDocBench 和 MarathonDocBench 等超长文档基准上达到 SOTA，并同步发布 MarathonDocBench 数据集，支持 Transformers 与 SGLang 推理。
正文节选
--- pipeline_tag: image-text-to-text language: - multilingual tags: - baidu - vision-language - ocr - custom_code license: mit library_name: transformers --- <div align="center"> <img src="assets/logo.png" width="40%" alt="Baidu Inc." /> </div> <hr> <h1 align="center">Unlimited OCR Works 2</h1> <div align="center"> <a href="https://github.com/baidu/Unlimited-OCR"> <img alt="GitHub" src="https://img.shields.io/badge/GitHub-Code-181717?logo=github&logoColor=white" /> </a> <a href=