猫眼影戏
 |
|
猫眼影戏
崔泰福
手机审查
猫眼影戏记者 申远 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：国产综合在线视频在线导航
??01月30日,15国驻华外交官参访海南探寻合作新机遇,
宝具若是在虚界失掉，那么在现实天下就等若失去了器之精魄，威力骤降，长时间下去会沦为凡物。
,日韩欧美在线一区。??01月30日,学习进行时丨领悟习近平文化思想系列之四：着力提升新闻舆论传播力引导力影响力公信力,
现在已经是4 月中旬了，各人要比照年头定下的目的，看看离这个目的尚有多远，然后寻找自身保存的问题，特殊是作风方面的问题。现在最主要的就是要咬紧目的，鼓足劲头，把头脑和精神群集到狠抓落实上来。抓好落实，要害在人，焦点在干部，在干部的事情作风上。一个地方与一个地方的竞争，很洪流平上是干部素质的竞争，干部作风的竞争。近年来，我们通过学习江浙等先进地区履历，就强烈地感受到，我们的干部与浙江的干部比，有很大的差别，主要体现在抓生长的理念没有人家新，抓落实的作风没有人家实，难题情形下破解难题的能力没有人家强。我们千人桥区位和资源优势相对滞后，生长基础相对薄弱，这两年之以是取得了这么大的效果，靠的是艰辛斗争的作风，靠的是笃志苦干的精神，靠的是刷新立异的气概气派，靠的是优质高效的效劳。总之一句话，靠的是人，是干部，是扎实的作风。各人都好好琢磨一下，同是一个情形，同是一样的地方，为什么有的村和单位镇上安排的事情项项能落实，事事能乐成，并且有特色，可是有的单位和村，镇上安排的事情却没有多大转机。有的甚至是上级给他钱，也干欠好事情。我镇的妄想生育、村村通水泥公路和农业结构调解总体上应该是很不错的。但我们一年到头抓计生事情，一年到头讲计生事情，可是我们就是有少数村、少数干部就是抓欠好，抓不到点子上去，一到检查就出问题。问题出来后，不从自身找缘故原由，总是强调这样那样的客观缘故原由。村规模要讲大，没有比重阳村再大的;生齿多，有比重阳村再多的吗?为什么重阳村在镇上和县里组织的计生检查中，就是不出问题，这不是重阳村干部作风扎实，是什么?再说，我们村村通水泥公路工程，全镇50% 的村在实验，为什么有的村群众捐钱踊跃，捐钱抵达90% 以上，而有的村险些一分钱收不上来，这又能说明什么呢?这只能说明我们的一些干部事情没有做抵家，要领差池路，步伐不得力。
,亚洲视频在线播放下一页不卡,成人淫插爽射久久久网址,免费看黄色视屏。??时势2：紫竹铃1.9g种子
??01月30日,美考虑进一步限制中国获取AI芯片技术 中方：暴露“说一套做一套”的虚伪嘴脸,
进入村中后，一阵鸡飞狗走，女人们冲了过来，一把搂住自家的孩子，不久前获得新闻时着实担惊受怕不已，而男子们则最先找板子，准备揍这群闯了祸的“崽子”。
,江晓萍秘密全文阅读,t鈥唚62.鈥哻o鈥唌,国精产品视频一二二区m。??01月30日,中国首座冷热能互换站在天津投产,
“阿叔，让我去吧，我跟青鳞鹰大婶去看个仔细。”
,把手放进 里www网站,天天AV天天翘,99reav.com。??时势3：强乱中文字幕在线高清天堂网
??01月30日,四川眉山出现奇特辐射雾“云海”景观,
??01月30日,第37届法国贝尔克国际风筝节揭幕 中国担任主宾国,
某些工厂里排放的烟也是对地球有害的。好比：工厂不放气一分一秒的时间向蔚蓝蔚蓝的天空排放浓烟，把天空染得比漆黑漆黑的夜晚还要黑，看了就让人心疼。
,熟妇圣水,成 人免费在线视频,4438在线。??时势4：小 伸进 蘑菇视频在线观
??01月30日,刘国深：赖清德未得到多数民意支持 难以“为所欲为”,
。6）勤俭节约，不乱花零钱
,日韩无码免费不卡黄色视频,宝宝～腿长开一点视频,射入黄片视频。??01月30日,第七届长三角科交会开幕 首次推出科技人才招聘和科技金融专区,
“来得好！”谁人人大吼，举掌迎击，宝符闪灼，那只手掌发光，宛若兽爪。
,裸体按摩院色情,97超碰,人摸人人人澡人人,久久福利资源国产精品999。责编：尤晓源
审核：所罗门·诺瑟普
责编：斯泰西
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
