猫眼影戏
 |
|
猫眼影戏
佘朝礼
手机审查
猫眼影戏记者 博尔济吉特 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：免费 无码黄漫
??02月03日,北京油鸡回京记,
金狼部落、雷族、紫山家，这些人都心中生畏，适才他们还在议论如那里置石村呢，还想夺狻猊宝骨，现在这个时势，让他们发毛。
,在线观看偷国产自怕自怕视频。??02月03日,2023年山西产煤13.78亿吨 先进产能占比超80%,
碧玉般的晶莹蛋壳上，那些黑点与纹络灿灿生辉，如星辰在闪灼，很是的漂亮，有一种神秘的实力在流淌。
,一级a性色生活,2020亚洲性爱视频,韩日桃花黄色网站。??时势2：欧美又大又粗又长又硬
??02月03日,（新春走基层）年货空运迎高峰 生鲜货物受青睐,
“嗷……”拳头大的金色朱厌，全身毛发倒竖，竟然不在吱吱叫了，而是发出了一声嚎叫，大眼瞪的滚圆，愤愤的盯着柳树。
,差差不多三十分钟轮滑,69式A片免费网址,又粗又猛又爽。??02月03日,庆祝中国春节活动首次在维也纳联合国总部举办,
真正入门，并且造诣抵达一定田地后，就是另一种修行方法了，族长搬来几部骨书，将最后的符文所有教授了小不点。
,国产精品无码福利,黄色网站免费一级国产性生活破处真人版,中国人与拘一级毛片。??时势3：91福利免费
??02月03日,文化中国行 | 中轴游持续升温 遗产点服务升级,
柳枝轨迹稳固，依然向上，去迎击罗浮大泽之主的攻伐。
,十大看黄APP,美女网站三区,精品少妇无码AV无码专区免费。??02月03日,捕捉“倏忽一瞬” 《余生》新书分享会举办,
其次，是准确看待目今面临情形，妥善处置惩罚好换届后爆发负面问题的需要。在这次三委会换届中，各村事情适当，要领合理，使换届选举顺遂完成，各村的新一届班子的年岁结构越发轻、文化条理越发高、为民效劳意识越发强，可是，个体村也泛起了一些新问题。一是个体村未能较好的处置惩罚党支部与村委会的关系。个体村的村委以为党支部是内部选举爆发的，村委会是全体村民选举爆发的，参选工具比党支部大，以是拒不平从党支部的向导，并随处发号施令，造成两套班子“两张皮”征象，致使“两委”关系不协调。二是村委会主任候选人以及委员候选人竞争引起的不团结征象。在这次村委会换届中，由于个体人没有准确看待选举，随处拉帮结派，拉票买票，泛起了不正常选举，致使候选人之间爆发了矛盾，同时，这部分人在选举时乱允许，乱应允，在群众中造成的极坏的影响，严重地滋扰了村里正常事情。三是片面明确村民自治和村民选举，个体新选举出来的村委会成员以为，我是村民先出来的，是村民给我的权力，以是在事情中只对下认真，差池上认真，拒不执行镇党委、政府制订的各项事情制度和安排下来的事情使命，对涉及本村经济和社会生长的事业，严重违反党支部向导原则，乱干蛮干等等。通过这次培训，就是要进一步亲近党群干群关系，增强农村党组织创立力、凝聚力和战斗力，增进三委会成员之间的配合和协作，推进农村下层民主*建设牢靠，从而增强党在农村的执政基础。
,最新加勒比在线播放,国产嫖妓在线精品,欧美一级xx。??时势4：真人国产一级A片
??02月03日,内蒙古奇乾现梦幻星空,
“真是一个好地方啊，这还算补天阁的外围呢，就已经有这么浓郁的灵气，很适合修行。”有人赞叹。
?第九十三章 破石毅纪录,露脸九色,一级性爱C视频,欧美性生活黄二区。??02月03日,新疆克孜勒苏州乌恰县发生3.0级地震 震源深度10千米,
今天，爸爸又带我去事故现场看了一下，想想真是后怕。不但是48号楼被炸坏，周围的楼都有差别水平的损坏，尚有很多多少停放的汽车被震坏。
,亚洲Aⅴ不卡一区二区三区,毛片网页,亚洲黄色网站在线免费观看。【老人供氧机断电生命垂危 新能源车变“生命充电桩”】
责编：哥哥买合木提·卡斯木
审核：宋志伟
责编：梁选翠
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
