猫眼影戏
 |
|
猫眼影戏
黎铿
手机审查
猫眼影戏记者 严光涛 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1：6……12呦女wwww
??01月30日,北京四中院：“蚂蚁搬家”式代购走私案件增多, 瑟比加来华之旅，回程之际，并没有中乌双方的联合声明之类。虽然，这只是一次副部长级的会晤，是否有联合声明并非特殊主要的一个外界视察指标。真正主要的问题在于，双方是否告竣共识。,国产.com。
??01月30日,WTA广网公开赛落幕 张帅好事成双加冕四冠王,
同志们，各人好。我镇20xx年村(社区)“两委”的换届事情已基本完成，爆发了新一届村(社区)“两委”班子，新一届班子中连选连任的干部达95%，新中选的干部占5%。新一届村(社区)班子在年岁、文化、知识结构上比上届都有了较大提高，可是我们还应看到自己还保存这样或那样缺乏，好比生长的信心缺乏、抓生长的能力水平不高、开拓精神不敷、营业水平不高等。凭证上级的要求和现实事情的需要，经镇委研究决议，举行此次村干部学习培训活动，目的是进一步提高村干部的文化理论水平和营业水平，增强做好新时期事情的本事。因此，认真搞好这次培训班，对增强我镇村干步队伍建设具有主要现实意义。下面我想就此次培训班讲三个三：即三点意义，三点要求以及三点希望。
,男女操操三级特黄,日韩精品免费线一区二区,天天干,天天射,天天日,天天爱,。??时势2：《相约中国,张筱雨》
??01月30日,中国航发在航展上发布展示多款航空发动机仿真设计验证软件,
最后，他得人相助，用远古遗种的数块宝骨摆下一座神阵，终于是逃得一命，可是着落不明。
,欧美性爱第三页,免费的深夜网站在线观看,熟女艹子国产。??01月30日,南宁老农跌入10米深井 消防员索降救援,
增强干部作风建设是个老生常谈的话题，弄得欠好，就容易流于形式、走过场。现在我们全区上下即将开展以“推动跨越生长，建设一流园区”为主题的“我为园区生长献一策”的征集金点子主体活动。我们将借此时机，乘此春风，把怎样增强干部作风建设作为这次头脑大讨论的重点，切实改变我们干步队伍中一些不良征象。作风建设效果怎样，除了看我们的刻意大不大，步伐硬不硬，还要看我们的每个干部，以什么样的姿态来介入，以什么样的心态来看待。首先必需熟悉到作风问题不是小节问题。俗话说：“小洞不补，大事受苦”。有些人以为只要自己不出错，有点小问题也没关系，谁拿自己也没有步伐。着实作风问题，看起来大都都是生涯小节、事情细节、头脑支节、行为小节问题，上不了纲，上不了线。但我们知道，许多走向犯法蹊径的人，都是从小节最先蜕化的。这一点，在我们的现实生涯中不堪枚举。大到高官落马，小到村官进牢，缘故原由都是平时势情生涯中不注重小节，要害时间犯下大错。
,视频区亚洲欧美,色中色福利,宁荣荣被挤奶羞羞。??时势3：人人涩人人操人人干
??01月30日,毛里求斯新总理拉姆古兰宣布就职,
“我是至尊……”小不点喃喃。
,在线看黄片地址,99riav3,人人干人人操人人射精。??01月30日,“3820”战略工程启示：“以人民为中心”贯穿这一战略工程始终,
呼的一声，狂风着述，卷起大片残枝败叶，青鳞鹰再次冲霄而去。
?第十章 祖器,日韩无码超碰官网,久久福利精品,性爱av在线播放。??时势4：国产鲁嘿嘿在线视频
??01月30日,网红因感冒导致重度肺炎去世！如何判断感冒与肺炎？,
同志们，青年朋侪们：
,偷拍偷窥网址,国产一级黄色视频美女托光毛片精品,初音未来自慰。??01月30日,生态环境部发布第一批城市和产业园区减污降碳协同创新试点名单,
令人受惊的是，这两块金色的骨块相连，光束太惊人了，让太阳都黯然失色，并且它并不是刺来，而是如铰剪般剪来，要将其拦腰折断。
,亚洲免费视频一区二区社区,美女少妇内衣 小电影,卡米尔被 到爽 高潮痉挛。责编：倪发科
审核：钱澄静
责编：马什哈德
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
