猫眼影戏
 |
|
猫眼影戏
薛蛮子
手机审查
猫眼影戏记者 赵青 报道Q8X2R7L1T4J5M9B6W3
henry 发自 凹非寺量子位 | 公众号 QbitAI
刚刚 ，DeepSeek开源了全新的OCR模子——
DeepSeek-OCR 2 ，主打将PDF文档精准转换Markdown 。
相较于去年10月20日宣布的初代模子 ，DeepSeek-OCR 2的焦点突破在于突破了古板模子死板的“光栅扫描”逻辑 ，实现了凭证图像语义动态重排视觉标记（Visual Tokens）
为此 ，DeepSeek-OCR 2弃用了前作中的CLIP组件 ，转而使用轻量化的语言模子（Qwen2-0.5B）构建DeepEncoder V2 ，在视觉编码阶段就引入了“因果推理”能力 。
这一调解模拟了人类阅读文档时的因果视觉流 ，使LLM在举行内容解读之前 ，智能地重排视觉标记 。
性能上 ，DeepSeek-OCR 2在仅接纳轻量模子的条件下 ，抵达了媲美Gemini-3 Pro的效果 。
在OmniDocBench v1.5基准上 ，DeepSeek-OCR 2提升了3.73% ，并在视觉阅读逻辑方面取得了显著希望 。
值得一提的是 ，这次最新论文的作者依然是：魏浩然 ，孙耀峰和李宇琨三人组 。
接下来 ，我们一起来看 。
焦点更新：DeepEncoder V2
DeepSeek-OCR 2延续了前代OCR模子的经典架构 ，由编码器息争码器协同事情 。
编码器认真将图像离散化为视觉标记（Visual Tokens） ，解码器则连系这些标记与用户指令天生最终文本输出 。
如论文所说 ，DeepSeek-OCR 2此次焦点的升级在于编码器——
DeepEncoder V2
古板的视觉编码器通常凭证牢靠的“光栅扫描”（从左到右、从上到下）顺序处置惩罚图像 ，这在面临重大版面（如双栏文档、狼籍的表格）时 ，往往会切断语义的逻辑连贯性 。
而DeepEncoder V2这次的更新解决的正是这一问题 。
将此前的CLIP组件替换为轻量化的LLM架构（Qwen2-0.5B） ，这一转变付与了编码器因果推理能力
信息进入主解码器之前 ，编码器就先对视觉标记举行“智能重排” ，使其更切合人类阅读逻辑 。
为了实现这种智能重排 ，DeepEncoder V2引入了一种全新的双流注重力机制 ，其底层逻辑通过一个定制的注重力掩码（Attention Mask）来约束：
视觉标记（Visual Tokens）：对应掩码左侧的全1区域 ，接纳双向注重力 ，保存全局建模能力 ，确保每一个标记都能“看”到整幅图 。因果流盘问（Causal Flow Queries）：对应掩码右边的三角区域（LowerTri） 。这是附加在视觉标记后的可学习盘问向量 。它们接纳因果注重力（即每个盘问只能关注之前的盘问及所有视觉标记） 。
这种设计使得视觉标记之间互不滋扰（坚持原始特征） ，但每一个盘问标记却被强制要求只能“看到”它之前的标记以及所有的视觉标记 。
相比古板的交织注重力结构 ，这确保视觉信息在所有层中都坚持“活跃” ，从而与因果盘问举行深度信息交流 。
别的 ，这现实上还建设了两阶段级联推理 ，乐成弥合了2D空间结构与1D语言建模之间的鸿沟：
第一阶段（编码器）：通过盘问举行语义重排 。第二阶段（解码器）：对有序序枚举行自回归推理 。
换句话说 ，在V1中 ，图像进入LLM时 ，顺序是写死的 。
而在V2中 ，通过盘问标记（Learnable Query）的重排 ，模子在进入主解码器之前 ，就已经在编码器内部完成了一次“逻辑理顺”
其他组件
先容完DeepEncoder V2的焦点升级后 ，我们来串一下DeepSeek-OCR 2的整体架构：
首先是一开头的视觉分词器（SAM） ，其沿用了此前的架构 ，接纳了80M参数的SAM-base架构 ，并连系两层卷积层 。
输出维度以前代的1024优化缩减至896 ，以对齐后续管线 ，这套分词器的设置实现了16倍的标记压缩
这种基于压缩的设计 ，以极小的参数开销 ，极大地释放了后续全局注重力？榈呐趟阊沽 ，让模子运行更轻快 。
别的 ，为了在处置惩罚差别区分率图像时“不丢细节” ，DeepSeek-OCR 2在编码阶段还引入了无邪的裁剪计划：
全局视图（Global View）： 在1024×1024区分率下 ，天生256个盘问标记 。局部裁剪（Local Crops）： 针对768×768的细部 ，每个裁剪块对应144个盘问标记 。
最终输入LLM的标记总数稳固在256到1120之间 ，与Gemini-1.5 Pro的视觉预算相匹配 。
最后 ，在后端解码器部分 ，DeepSeek-OCR 2保存了3B参数的MoE结构（现实激活参数仅约 500M） 。
训练流程与实验验证
在数据战略上 ，DeepSeek-OCR 2延续了与前代相同的数据源 ，OCR相关数据占比达80% 。
其要害优化点有二：一是采样平衡化 ，将正文、公式与表格按3:1:1比例划分 ；
二是标签精简化 ，合并了如“图片说明”与“问题”等语义相似的结构标签 。这种极小的底层差别 ，确保了其与基准测试之间具备高度的一致性与可比性 。
在训练流程方面 ，DeepSeek-OCR 2接纳了三阶段的训练Pipelines：
编码器预训练：通过下一标记展望（Next Token Prediction）使命 ，使编码器掌握特征提取、压缩和重排序能力 。盘问增强：冻结视觉分词器 ，联合优化LLM编码器息争码器 ，增强盘问体现 。解码器微调：冻结编码器 ，仅优化解码器 ，从而在相同的算力（FLOPs）下实现更高的数据吞吐量 。
在实验阶段 ，DeepSeek-OCR 2主要在OmniDocBench v1.5上举行评估 ，包括1355个页面 ，涵盖杂志、学术论文、研究报告等9大类文档 。
并与Gemini-3 Pro、Qwen2.5-VL、InternVL3.5等先进模子及多种专业OCR计划举行比照 。
如开头所示 ，DeepSeek-OCR 2在OmniDocBench v1.5上抵达了91.09%的性能 ，相比基线提升了3.73%
阅读顺序（R-order）的编辑距离从0.085显著降至 0.057 ，证实晰 DeepEncoder V2 重新编排视觉信息的能力 。
在相似的标记预算（1120）下 ，DeepSeek-OCR 2的文档剖析编辑距离（0.100）优于 Gemini-3 Pro（0.115） 。
在现实生产中 ，在线用户日志的重复率从6.25%降至4.17% ，PDF 生产数据重复率从 3.69% 降至 2.88% ，证实晰模子逻辑视觉明确能力的提升 。
整体来看 ，DeepSeek-OCR 2在坚持高压缩率的同时实现了显著的性能提升验证了使用语言模子架构作为视觉编码器的可行性 ，这为迈向统一的全模态编码器（omni-modal encoder）提供了路径 。
One more thing
这篇论文的三位作者划分是：魏浩然 ，孙耀峰和李宇琨 。
魏浩然曾就职于阶跃星辰 ，其时主导开发了意在实现“第二代OCR”的GOT-OCR2.0系统 。
孙耀峰本科就读于北京大学 ，现于幻方AI从事大语言模子的相关研究 ，R1、V3中都有他的身影 。
李宇琨 ，谷歌学术论文近万引研究员 ，也一连加入了包括DeepSeek V2/V3在内的多款模子研发 。
最后 ，OCR 2延续了DeepSeek团队一直的开源精神 。
项目已在GitHub开源 ，并同步上线HuggingFace ，论文也一并释出 。
GitHub：https://github.com/deepseek-ai/DeepSeek-OCR-2HuggingFace：https://huggingface.co/deepseek-ai/DeepSeek-OCR-2论文：https://github.com/deepseek-ai/DeepSeek-OCR-2/blob/main/DeepSeek_OCR2_paper.pdf
??时势1：妺妺用 夹我的
??01月30日,中新健康｜玩游戏“晕3D”何解？专家支招,
也许 ，这是唯一幸免于难的地方 。
,91福利视频 。??01月30日,浙江温州警方通报一汽车碰撞4辆电动车：造成3人受伤,
12日上午10时 ，在第五个全民国家清静教育日到来之际 ，省教育厅、共青团湖北省委、湖北广播电视台配合在华中师范大学举行《同上一堂国家清静教育课》 ，营造国家清静人人有责、人人可为的浓重气氛 。
,国产五月天精品在线观看,国产精品999视频,韩日桃花黄色网站 。??时势2：老头把我添出高潮A片
??01月30日,美国中学生故宫初探访：中国研学之旅很美好 一定会再回来,
远道而来、前来凑热闹的几个年岁很大的老爷子也都只能发出这样的感伤了 。
,一级A片欧美大片久久影院,双男网站,男生 男 里91 。??01月30日,广西40名高素质农民荣获2024年自治区劳动模范荣誉称号,
一个老人轻语 ，道：“他竟然这么厉害 ，连伤了我们十几名族人 ，不怕 ，这一次‘祭灵’赐下了宝具 ，看他怎样闹腾！”
,日韩一级电影网,国产精品三级网站,老色鬼在线视频一区二区 。??时势3：女战士被挠脚心视频
??01月30日,以高质量教育体系奠基民族复兴｜教育时评,
十几块远古遗种的原始宝骨 ，不可护住这片山脉了 ，四大至尊生灵决战 ，让这里乱石崩天 ，一座又一座巨山坍毁 ，被毁的不可样子 。
,国产精品电影网,精品欧美一区综合在线,亚洲三区黄色 。??01月30日,瑙鲁政府宣布同台湾“断交”、愿同中国复交 中方表示赞赏和欢迎,
把重现实、说真话、求实效 ，作为一切事情的起点 。一是强化全局看法和生长意识 ，从效劳处的现真相景出发 ，熟悉、剖析和思索问题 ，牢牢围绕效劳处党委提出的要求 ，扎实事情 ，一心一意把事情做好 。二是坚持抓商业化营业的拓展 ，抓商业化营业的治理 ，做好项目的危害治理 ，完成总公司及效劳处下达的谋划目的 ，实现效劳处营业的稳固生长 。
,欧美最猛性AAAAA,55夜色亚洲精品网站,嫩草2产区和三产区 。??时势4：欧美视频免费在线观看
??01月30日,最高法：坚持严格保护知识产权，重拳打击侵权假冒行为,
档案馆规范化治理是档案治理的基础性事情 ，是实现档案清静治理和开发使用的条件 。一是继续做好重点工程、重点项目、重大事务、市属国有休业企业以及到期进馆档案的吸收事情 。二是开展民生档案资源建设 ，将涉及民生部分档案列入重点监视和吸收进馆规模 。三是做好到期档案的判断、开放和使用事情 。四是加大档案征集事情力度 ，要注重网络种种专门档案和差别载体的档案 ，特殊是要增强对重大活动档案的网络 ，将反应外地区特色的档案征集进馆 ，一直改善馆藏结构和富厚馆藏内容 。
,日韩无码av网址大全,俄罗斯少妇姓交,我伦了丰满的寡妇妽妽 。??01月30日,冰岛火山喷发 形成熔岩喷泉,
他站起身来 ，走出院子 ，看向天空 ，很快发明了异常 ，周围的山林都有飞禽惊起 ，而起相距都是两三里地的样子 。
,欧美色影院,乱伦综合,午夜成人影视 。责编：冷俐
审核：王宇平
责编：罗琳
Copyright (C) 2001- dzwww.com. All Rights Reserved
新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证
山东省互联网传媒集团主理 联系电话：0531-85193202 违法不良信息举报电话：0531-85196540
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
