实时
百度开源 Unlimited OCR 2 长文档模型
热点事件历史事件
百度开源 Unlimited OCR 2 长文档模型
2 篇报道2 个报道来源20 天前更新
先了解这件事
AI 综述
百度发布并开源文心 Unlimited OCR 2,一个 3.34B 参数的 OCR 视觉语言模型,权重以 MIT 协议发布,代码托管在 GitHub。百度称其可在单次请求中解析累计超过 3,600 页的文档,原生支持版面要素切分识别、跨页文案合并和表格识别合并。 运行方面,模型在 BF16 精度下需一张 CUDA GPU,百度测试时用的是 NVIDIA A800-80GB;加载需设置 trust_remote_code=True,会执行仓库中的 Python 代码;SGLang 部署使用百度提供的定制 wheel,而非上游版本。 百度自行报告的测试结果显示,该模型在 MPDocBench 得 84.6 分、MarathonDocBench 得 77.1 分,并在其测试的两个多页基准上对 9 个其他模型均排名第一。
AI 根据报道生成 · 更新于 20 天前
最新进展10月30日 14:17
百度开源发布文心 Unlimited OCR 2 文档解析模型,支持“无限”页数报道时间线
沿着报道,了解事件的不同侧面。
10月30日
- IT之家 · AI百度开源发布文心 Unlimited OCR 2 文档解析模型,支持“无限”页数
百度开源发布文心 Unlimited OCR 2 模型,支持一次性解析累计超过 3,600 页文档,原生支持版面要素切分识别及跨页文案合并、表格识别合并,在 MPDocBench 基准测试得 84.6 分、MarathonDocBench 基准测试得 77.1 分。
10月27日
- MarkTechPost精选百度开源 Unlimited OCR 2,支持数百页文档解析
百度开源 Unlimited OCR 2,一个 3.34B 参数的 OCR 视觉语言模型,可在单次请求中解析数百页书籍、财报和报告,权重以 MIT 协议发布,代码在 GitHub。