猫眼影戏
 |
|
猫眼影戏
令小洪
手机审查
猫眼影戏记者 赫克托 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：日本中文字幕的视频网站
??01月30日,福建书画名家进校园挥毫泼墨：翰墨飘香润童心,
族人颔首 ，这个要领不错 ，一群大老爷们口水哗哗地 ，做梦都想拥有一头宝驹。
,b站18。??01月30日,业界人士：滑雪行业发展需培养更多终身滑雪者,
第一、增强干步队伍头脑作风建设是准确贯彻执行党的蹊径、目的和政策 ，确保党的事业取告捷利的要害。干部的头脑作风问题是事关党的兴衰生死、国家长治久安和社会主义事业成败的重大问题。毛泽东同志指出 ，政治蹊径确定之后 ，干部就是决议的因素。邓小平同志一再强调 ，中国的事情能不可办妥 ，社会主义和刷新开放能不可坚持 ，经济能不可快一点生长起来 ，国家能不可长治久安 ，从一定意义上说 ，要害在人。申饬我们 ，现在严重的问题是教育干部的问题 ，是增强干部头脑作风建设的问题 ，是提高全党干步队伍素质的问题。中选为党的不久 ，就到西柏坡考察 ，招呼全党“务必坚持谦逊、审慎、不骄、不躁的作风 ，务必坚持艰辛斗争的作风”。历史履历证实 ，一个政党、一个干部有一个好的作风才有招呼力、凝聚力、影响力。
,欧美特黄三级三级免费在线观看日本黄色大片免费在线观看,实拍女初开笣全过程,秋霞在线视频。??时势2：小太正Gay初精 2025
??01月30日,2024年大足学国际学术研讨会在重庆举行,
紫云俯冲下来 ，在干枯的湖底上方盘旋。小不点手臂发光 ，成片的符文泛起 ，洒下一大片光雨 ，落向那只生灵。
,国产一二三区视频网站,亚洲黑人无码专区在线,黄色网站干美。??01月30日,200名滑雪爱好者塞北小城乐享冰雪“速度与激情”,
上学期九年级 年级各项事情 得以 顺遂 ，除了有向导的体贴和支持 ，还由于有着一支敬业的班主任和先生步队。可是 ，已往的效果只能代表已往 ，在新的学期里 ，我们将以更多的热情和责任投入到事情中去。
,馃敒馃敒馃埐,小黄鸭视频app在线无限看免费丝瓜苏州晶体公司,欧美激情第1页一区二区三区。??时势3：武藤绫香被弄到高潮了
??01月30日,海外华裔青少年北京行：登长城 习武术 重温奥运记忆,
“祖爷爷！”孩子大哭 ，很无助 ，趴在床边 ，用力捉住老人的手 ，不肯松开。
,XNXXHD18老师,天天干天天av,鸥美性生活。??01月30日,外媒高度关注中国两会：凝聚共识、坚定信心、展望愿景,
在接下来的两个月里 ，小不点天天都会捕获一头完全差别的巨兽 ，都重达数万斤 ，重大的惊人。
,黄色视频免费网站在线看,三级国产在线看,星野和日奈游戏下载。??时势4：精品午夜AV
??01月30日,帮外卖小哥走出“小区迷宫”，有温度的改变多多益善,
至于狈村的人 ，死伤许多 ，在巨兽的攻击下 ，有过半的人化成了肉酱。
,玉蒲团Ⅲ艳乳欲仙欲瑶怨女图,碰碰碰天天碰日日碰碰碰碰,欧美性爱20。??01月30日,（身边的变化）拥抱“阳光经济” 重庆工业园区屋顶“碳”新路,
总之 ，我区这次干部培训班的举行 ，只是我区干部培训事情的一部分。我们将以此为起点 ，一直积累履历 ，立异形式 ，争取使我区的干部培训事情走上规范化治理轨道。
,老头户外树林BBBB,日本三级网址,陆小莹阿庆的小说最新。责编：唐仁建
审核：万建华
责编：肖向荣
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
