猫眼影戏
 |
|
猫眼影戏
尹渠军
手机审查
猫眼影戏记者 奇什蒂 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：亚洲一区AV
??01月30日,江西举行“绿色阅读 守护成长”名家阅读分享会 让阅读伴随成长,
“爷爷尚有父亲说了，要我和你订婚，你什么时间允许？”石飞蛟的女儿高声问道。
,欧美岛国片在线观看。??01月30日,新疆阿勒泰雪崩：新疆军区某陆航旅完成逾14吨物资投送 转运人员百余名,
“啥，这是名字，不是说填最喜欢、最爱的工具吗？”小不点一张小脸马上黑了下来，这也太窘了。
,人看人爽人操人摸人日人碰,爽爽爽男女爽免费视频放松,中文字幕无码乱人l伦。??时势2：免费一级日韩片在线观看
??01月30日,强降雨持续影响南方多地 各地积极应对,
而停下了前进脚步的同砚，赶忙整理好自己的头脑吧，去好好掌握这，能最直接改变自己运气的几年时光!尚有些同砚，一直就走在斗争的路上，时代会遇到不少难题和波折，请注重这正是磨练你的最佳时间，抛开负面情绪，开动头脑，坚持下去吧，最终无非又是再次证实，要领总比难题多!更主要的是你又一次生长起来，强盛了起来!请记。呵啻旱恼孚心蔷褪嵌氛!斗争的你终将变得非同寻常!
,91丨九色丨国产女 成人推特,小樱吃鸣人打狙,国产盗摄偷窥民居视频1。??01月30日,（经济观察）人民币对美元创年内最低值 专家析破7.3后走势,
他们的身上，有玄色雷电闪灼，隔着很远就能听到轰鸣声，震的山地都在强烈颤抖。
,十八岁前禁看网站,日本啪啪啪黄色入口,娜美被操漫画。??时势3：爽妇网小说
??01月30日,【我们共芳华——党外人士话复兴】中国国家话剧院院长田沁鑫：我是个“i人”，但一排戏就变得犀利,
从某种意义上说：学习能够统一头脑，凝聚人心;学习可以是非分明，同时学习可以提高修养，净化人格。只有学习理论，掌握政策，我们在现实事情中，才华知道哪些话能说，哪些话不可说;才有知道哪些事情该干，哪些事情不应干，才华知道怎样把事情办得更好，更切合现实、更切合群众愿望。有了较好的政治理论修养和政策水平，在现实事情中，才华把原理说清晰，让群众听明确，把党的意志酿成群众的行动。相反，若是自己政治理论水平不高，政策掌握模棱两可，讲话三两句，原理说不清，群众不明确;效果事情也就不可能落到实处，弄欠好群众还会有意见，有些干部原来是想为群众办妥事，但群众反而不领情，不配合，有些干部在处置惩罚一些问题的时间，本是出于盛意，但群众反而意见大了;有的干部在处置惩罚种种矛盾纠纷时，说不了几句话就发性情，不做耐心的头脑事情;有的干部群众向他反应问题，却背而不见，怕与群众晤面，怕接触矛盾，不知道问题如那里置，一筹莫展。听到这些问题，都是与我们少数干部政治理论修养不敷，政策水平不高有很大的关系，我们不要求各人什么都醒目，什么都掌握，但我们不可什么都不懂，什么都模模糊糊 。 因此我希望各人能增强学习，周全提高自身素质，学会用先进的理念破解生长中的难题，进一步提高科学决议的能力和现实操作水平。
,无码毛片在线观看网站,XXXX18HD,女人被乱伦无码。??01月30日,安徽地区生产总值4.71万亿元 新质生产力加快成长,
在这里首先我与各人分享一个要害词：目的
,欧美精品中文在线一区,h片在线观看不卡,少萝自愿裸体 漫画。??时势4：68日本XXXXXⅩXXX56
??01月30日,中国地震台网自动测定：中国台湾附近发生4.4级左右地震,
“不太对劲，不可能每一小我私家都在藏拙吧，怎么感应不到真正强者的符文气机？”
,A片在线观看网站,中文字幕在线免费看,国产精品视频99。??01月30日,第二届环西自行车中国挑战赛·北京昌平将于今年5月开赛,
他持月而行，向着那些人冲去，原理讲欠亨，就只能战斗。他虽然照旧一个小孩子，可是听大人们讲述了太多大荒中面临猛兽时的残酷与恐怖。
,日韩视屏二区,,羞羞18,综合婷婷网。责编：罗彬
审核：薛泰英
责编：曹亚戴
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
