國產開源OCR領域迎來重大突破，百度最新發布的Unlimited OCR模型在長文檔處理能力上實現質的飛躍。該模型采用革命性的參考滑動窗口注意力機制（R-SWA），在OmniDocBench基準測試中以93.92%的成績刷新行業紀錄，較前代DeepSeek OCR提升6.22個百分點。
傳統OCR系統處理長文檔時普遍采用"分頁處理+結果拼接"的折中方案，這種模式如同機械抄寫員般逐頁重置上下文，導致顯存占用隨文檔長度指數級增長。Unlimited OCR突破性地將人類抄寫行為數字化：模型不再強制記憶全部歷史內容，而是像專業抄寫員那樣僅保留當前工作所需的局部信息，配合完整的視覺參考實現連續解析。
技術團隊創新性設計的R-SWA機制包含雙重注意力路徑：在視覺維度，模型始終保持對完整圖像的全局感知；在文本維度，僅保留最近128個生成Token參與注意力計算。這種"全局視覺+局部文本"的混合架構，使模型在處理40頁以上文檔時仍能保持穩定性能，Distinct-35指標高達96.90%，編輯距離控制在0.1069以下。
實驗數據顯示，該模型在生成6000個Token時，推理速度較傳統方案提升35%，且延遲波動幅度顯著降低。其核心突破在于將KV Cache設計為固定長度隊列，通過動態更新機制確保顯存占用恒定，從根本上解決了長序列處理中的內存爆炸問題。這種設計使得模型在處理超長文檔時，推理效率幾乎不受輸入長度影響。
該成果的技術輻射效應遠超OCR領域。研究團隊指出，R-SWA機制本質上是對注意力機制的重新定義，其"選擇性遺忘"設計為長上下文處理提供了全新范式。相比傳統擴容方案，這種生物仿生設計更符合人類認知規律，有望在語音識別、機器翻譯等序列處理任務中引發連鎖創新。
項目GitHub頁面披露的技術路線圖顯示，團隊正開發128K上下文版本，并探索構建"預填池"機制實現歷史狀態的按需調用。這種技術演進方向與DeepSeek OCR2形成戰略呼應，前者聚焦視覺信息的高效理解，后者深耕長序列的記憶管理，共同構建起從感知到認知的完整技術鏈條。
值得關注的是，技術報告中出現的一位匿名作者"YY"引發行業熱議。通過分析技術脈絡和代碼貢獻，多位研究者推測該神秘人物可能是OCR領域資深專家魏浩然。這位曾主導GOT-OCR2.0開發的科學家，其研究軌跡與Unlimited OCR展現的技術特征存在顯著關聯，但截至目前尚未獲得官方確認。
