猫眼影戏
 |
|
猫眼影戏
张社年
手机审查
猫眼影戏记者 戴涛 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：www.com黄
??01月29日,航拍“世界一绝”悬空寺：高于地面50余米 让人如临深渊,
小不点像是挥舞稻草人般，将他抡起来，再次砸向地面，简朴而暴力。
,日日碰天天操夜夜爽。??01月29日,港铁公司举办“轻铁及巴士道路暨长者乘车安全运动”助长者安心出行,
金属颤音传来，石昊眼神清亮，右手轮动起来，划出一道优美的轨迹，散发清辉，锵的一声将长矛切断为两截，而那白嫩嫩的小手却无丝毫损伤。
,18十,免费男性私网站,亚洲91精品国产网站在线观看。??时势2：在线欧美性爱A片
??01月29日,四川：多部门联合实施革命文物保护利用三年提升行动,
那头青鳞鹰不敢进来，但只需要封闭出村的路，就足以让石村的人感应煎熬，事实还需要去山脉中狩猎。
,亚洲黄色片网址,国产操逼大黄片,伊人黄色网站在线观看。??01月29日,加拿大众议员呼吁将每年二月设为“全国华人传统月”,
这次的教学事情会后，各人身上的担子很重。一方面各教学单位要抓紧时间消化聚会精神，力争聚会上的讨论效果都能够落到实处。同时各单位认真人还要做好宣传事情，使周全推行学分制刷新的意义、作用，我院学分制刷新的实验能够为每个西席所相识，并普遍征求他们的意见，使学分制能够深入人心。另一方面，各教学单位还要针对学分制的实验重新修定本单位的教学妄想，这项事情要在下学期初完成不但时间紧迫、事情量相当大，并且还关系到我院学分制能否正常实验，以是希望各教学单位抓紧时间起劲落实。
,超碰免费公开人妻,黄色网站视频可看,日韩视频1。??时势3：免费91一级片
??01月29日,万名跑友齐聚 首届北京海淀马拉松激情开跑,
小孤山镇，诸强骇然，由于连他们都听到了山脉深处的声音，抬眼望去，那里一片混沌气缭绕，十几块兽骨镇压了无垠的山脉，无人能看透。
,...免费视频,国产又湿又黄又硬又刺激,国产又爽又黄又不遮挡视频,天天干天天av,h在线纯。??01月29日,尽享“21℃的夏天” 2024清凉宁陕旅游季在西安启动,
列位同寅：
,欧美黄色视频手机,脔穴视频看看,姐姐片多多免费高清电视剧叶玉。??时势4：日本加勒比综合网
??01月29日,中方对日本众议院选举有何评论？外交部回应,
??01月29日,2023年两岸交流恢复正常 国台办指“快速回温、持续热络”,
创立条件，营造气氛，注重调动全体事情职员的起劲性。一个整体的战斗力，往往来自内部情形的凝聚力和吸引力。好的情形气氛，有利于事情，有利于团结，有利于阵势。各级党委和办公室向导在这方面注重多做事情、多办实事，要用事业留人，用情绪留人，用适当的待遇留人。要起劲指导干部职工把本职事情同党和人民的事业联系起来，同实践“”主要头脑联系起来，同地某地刷新、生长、稳固的阵势联系起来，用事业留人。要增强头脑政治事情，经常体贴和相识干部职工的头脑情绪，使同志们感应苦中有乐，苦能有为。通过充分信任干部，松手使用干部，增强同干部的交流和相同，起劲营造一种“心和、气顺、劲足”的优异气氛，用情绪留人。要在政策允许的规模内，解决好办公室干部职工在住房、福利、医疗以及子女入学、就业等方面的现实问题，用适当的待遇留人。要凭证《党政干部选拔任用事情条例》的划定，重视办公室干部的作育使用。办公室对干部政治、营业的整体素质要求较高，对干部的生长具有特定的优势，是个磨炼人的地方、出人才的地方。对在办公室事情实践中磨炼出来的优异干部，各级党委一定要使用好，该提升的大胆提升，该重用的予以重用，该交流的实时交流。相信通过我们扎实详尽的事情，一定会充分调动办公室干部职工的起劲性，使各人心情愉快、团结协调、高昂向上、全力以赴地做好各项效劳事情。
,欧美 AAA,国产丝祙无码一区二区视频,a片久久综合视频。责编：张莉
审核：严加安
责编：黄迎
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
