百度发布了 Unlimited OCR 2,一个拥有 30 亿参数的视觉语言模型,能够一次性处理长文档。该模型利用 SR-SWA 稀疏注意力机制,无论文档长度如何,都能保持一致的解码成本。模型权重采用 MIT 许可协议发布,可在单个 GPU 上运行。 AI
影响 实现了长文档的高效处理,可能改进文档分析和摘要等 AI 应用。
排序理由 开源发布了具有新颖注意力机制的视觉语言模型。 [lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →