Jason Zhu (@GoSailGlobal) “现在的 OCR 处理几十页文档，是逐页跑的 每翻一页，记忆清零一次 百度今天悄悄在 GitH” — TopicDigg
Jason Zhu
@GoSailGlobal
Cursor-certified 🌟｜独立开发 · Build In Public
Skills hub：
博客：
🤝 合作DM：GoSail_AI
📮：m17551076169@gmail.com
MCN：collab@gosaillab.com
加入 May 2025
2.1K 正在关注 32.9K 粉丝
现在的 OCR 处理几十页文档，是逐页跑的
每翻一页，记忆清零一次
百度今天悄悄在 GitHub 和 HuggingFace 开源了一个模型，叫 Unlimited OCR，它的灵感，来自人类抄书：
- 你抄一本书，不会每写一个字就把前面几百页重读一遍
- 你只瞄一眼附近写到哪了，剩下的，做的是「软遗忘」
- 人就是靠这种低负荷的连续认知状态，扛住了长程任务
百度把这个直觉，做成了一个注意力机制 R-SWA（参考滑动窗口注意力）：
每个 token 看得到整张图，但输出端只回看最近 128 个 token
KV Cache 全程恒定，不随页数膨胀
结果是：在 32K 上下文下，一次前向推理，转录几十页文档，从逐页 for-loop，变成一口气抄完
逐页 for-loop 是工程权宜
连续的认知状态，才更像智能该有的样子
百度最近的路子，确实不太一样了
🌟
🌟
显示更多
