国产开源OCR领域迎来重大突破，百度最新发布的Unlimited OCR模型在长文档处理能力上实现质的飞跃。该模型采用革命性的参考滑动窗口注意力机制（R-SWA），在OmniDocBench基准测试中以93.92%的成绩刷新行业纪录，较前代DeepSeek OCR提升6.22个百分点。
传统OCR系统处理长文档时普遍采用"分页处理+结果拼接"的折中方案，这种模式如同机械抄写员般逐页重置上下文，导致显存占用随文档长度指数级增长。Unlimited OCR突破性地将人类抄写行为数字化：模型不再强制记忆全部历史内容，而是像专业抄写员那样仅保留当前工作所需的局部信息，配合完整的视觉参考实现连续解析。
技术团队创新性设计的R-SWA机制包含双重注意力路径：在视觉维度，模型始终保持对完整图像的全局感知；在文本维度，仅保留最近128个生成Token参与注意力计算。这种"全局视觉+局部文本"的混合架构，使模型在处理40页以上文档时仍能保持稳定性能，Distinct-35指标高达96.90%，编辑距离控制在0.1069以下。
实验数据显示，该模型在生成6000个Token时，推理速度较传统方案提升35%，且延迟波动幅度显著降低。其核心突破在于将KV Cache设计为固定长度队列，通过动态更新机制确保显存占用恒定，从根本上解决了长序列处理中的内存爆炸问题。这种设计使得模型在处理超长文档时，推理效率几乎不受输入长度影响。
该成果的技术辐射效应远超OCR领域。研究团队指出，R-SWA机制本质上是对注意力机制的重新定义，其"选择性遗忘"设计为长上下文处理提供了全新范式。相比传统扩容方案，这种生物仿生设计更符合人类认知规律，有望在语音识别、机器翻译等序列处理任务中引发连锁创新。
项目GitHub页面披露的技术路线图显示，团队正开发128K上下文版本，并探索构建"预填池"机制实现历史状态的按需调用。这种技术演进方向与DeepSeek OCR2形成战略呼应，前者聚焦视觉信息的高效理解，后者深耕长序列的记忆管理，共同构建起从感知到认知的完整技术链条。
值得关注的是，技术报告中出现的一位匿名作者"YY"引发行业热议。通过分析技术脉络和代码贡献，多位研究者推测该神秘人物可能是OCR领域资深专家魏浩然。这位曾主导GOT-OCR2.0开发的科学家，其研究轨迹与Unlimited OCR展现的技术特征存在显著关联，但截至目前尚未获得官方确认。
