猫眼影戏
 |
|
猫眼影戏
加派
手机审查
猫眼影戏记者 柏拉图 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1：2048基业长青在于回归用户论坛
??02月01日,河南省文旅厅发布严正声明：请“河南文旅”等账号停止侵权,
“你们这般凶狂，血洗大地，就不怕遭随处分吗？我是山神的后裔！”巨石发光，传出一道神念波动。
,久久加勒无码一区。??02月01日,【滔滔两岸潮】台青张鸿文投身北京金融业：与客户共同成长,
武王中箭，鲜血洒落，他被射了下来，坠落院中，此时遭受重创，失去了一战的能力！
,jizz日本jizz,小马拉车免费网站com,思思欧美另类自拍。??时势2：欧美一级aa性交网
??02月01日,天天学习丨中南海月刊（2024.07）, 另外，近些年受经济下行、大规模减税降费、楼市土地市场低迷等影响，地方财务收入受到一定攻击，而刚性支出有增无减。在财务收支矛盾一直加大的配景下，地方政府也有更大的动力增强征管，查漏补缺，依法依规征收该征收的税费。虽然，税务部分也要同时落实落细减税降费政策，坚守不收“过头税费”红线。,笔盒最新地址,欧美 亚洲 国产一区二区三区,日本变态鸡巴插乳头视频。
??02月01日,香港特区政府发表有关在金融市场负责任地应用人工智能政策宣言,
现在一个皮孩子将他们按“堆”估算，这些人鼻子都快气歪了，这尚有没有天理啊？竟被料理的这么惨。
,在线免费观看黄片一区二区,黄骗免费毛片,看着老太太B。??时势3：三级18岁。网站
??02月01日,西藏吉隆口岸正式启用新版对外开放口岸出入境边防检查现场标志,
城镇化建设涉及方方面面，但要害环节主要有三个方面：
,厨房免费看一级黄视频,色哟哟网站在线一区二区三区,国产极品粉嫩泬在线播放。??02月01日,专访徐冰：当代艺术深深扎根于社会现场中,
“唔，被一群孩子骑着，这是准备随时逃走吗？”一个头领冷冰冰的盯着，此后又看向村头的一群成年人，道：“让他们过来，献上独角兽。”
,亚洲成人7777网站,久久久久久久久精品久久久久久,国产精品久久久久久夜夜夜夜夜。??时势4：国产精品第6页在线观看
??02月01日,湖北首届乡村铁人三项公开赛举行 苗浩获得年龄组冠军,
关于这些工程项目的实验与推进，各有关单位、各部分要切实增强事情的自动性和责意识，抢抓目今有利时机，严酷凭证妄想标准，加速工程建设进度，确保准期完成所有在建和结转项目，要重点要把好“三关”，认真推行建设行政主管部分及参建各方的主体责任与义务。第一，要严把工程质量关。坚持把质量做为项目建设的头等使命来抓，贯串于工程施工的各个环节，贯串于项目建设的始终。建设单位要催促施工单位全心施工，确保建设工程不但按设计要求保质量，并且详细到、细化到每个细节，做到经得起历史的验证、经得起时代的磨练。如：建设单位在委托设计单位时，要明确工程设计制作的要求，包括修建工程质料的使用标准，如：水泥、窗、门、楼梯扶手等;妄想和建设行政主管部分要严把工程设计关、质量监视关;施工单位要严酷凭证工程图纸设计和约定内容举行施工;建设单位要派驻营业水平高、履历富厚的手艺职员到施工现场开展质量监视检查，严酷工程施工标准，对施工历程中泛起的降低标准建设，坚决予以返工，阻止泛起工程建后因建材质量不达标造成的墙皮脱落、门窗关闭不严、楼梯扶手不牢靠等问题爆发，确保工程质量及格率抵达100%。第二，要严把清静生产关。要本着一手抓建设，一手抓清静的目的，切实将清静生产事情放在越发突出的位置，做到清静生产教育常抓不懈，贯串始终，施工现场要有专人认真清静羁系事情，确保施工历程不爆发事故。第三，要严把检磨练收关。工程完工后，有关部分和职员要严酷凭证修建行业相关标准，认真抓好检磨练收事情，坚决杜绝泛起“豆腐渣”工程和群众不知足工程。
,五月天香蕉狼人精品八戒视频,97日韩,罗峰C巴巴塔的网站。??02月01日,上海张园“天井画廊”开启沉浸式石库门“赏荷乘风凉”之旅,
凭证《__市档案事业生长妄想》目的使命，加速档案信息化建想程序。一是各县(市)区档案部分要起劲争取各级政府和部分和支持，加大投入力度，还没有建设局域网的县区，今年内要完成建设档案局域网使命，并加速使用率高的馆藏档案数字化转换事情。二是以档案网络建设为基础，以档案信息资源建设为焦点，以扩大档案信息资源开发使用为目的，建设面向社会、效劳公众的档案信息网站，在不涉及国家神秘的条件下，本着资源共享的原则，通过互联网对公众提供使用效劳。三是认真贯彻执行《__市电子公牍归档与治理实验步伐(试行)》，做好电子公牍的吸收治理和提供使用事情。四是在档案信息治理系统的基础上，举行__市档案信息资源共享使用平台、公共效劳平台和政务信息果真平台的建设，整合各门类的档案信息资源。各部分、各立档单位应加速对档案的数字化转换事情，实时向外地档案馆移交。
,美国人与动物Xxxx,性爱AV网址,av大片毛片在线播放。责编：兰太桂
审核：庞警官
责编：韦立
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
