猫眼影戏
 |
|
猫眼影戏
韩熙庭
手机审查
猫眼影戏记者 段京连 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：http://www.91n.com.gov.cn/
??02月03日,“低空经济——中国经济增长新引擎”专题论坛举行,
在三楼的指挥中心，有一个大大的屏幕，上面有三十多个小屏幕。姨妈告诉我们，全市有107个路口装置有电子眼，这些小屏幕可以通过电子眼视察到路口的交通实时情形。通过电子眼，我们看到无邪车与行人、自行车应该各行其道。可是，在每个路口都有一些无邪车闯红灯、抢行等，尚有许多自行车基础不看信号灯走，或者爽性走快车道，与汽车抢道，很是危险!姨妈告诉我们，电子眼还可以监视到一些可疑职员的行为，资助侦探员叔叔快速抓到罪犯份子。
,欧美干干图。??02月03日,专访重庆市渝中区委书记黄茂军：加快打造西部金融中心主承载区,
地面上，见到这一幕的石渊等人神色煞白，全都吓坏了，大魔神究竟强到了什么水平，击伤了武王？！
,国产一级乱偷人电影免费囯产3p,亚洲三级视频在线观看,新婚娇妻叶筱雨26章全文阅读小说。??时势2：清草视频在线观看
??02月03日,广西梧州：百年骑楼城亮灯 喜迎八方来客,
“不平，就放马过来！”狈村另一个职位不低的壮年人越发强硬。
,韩日桃花黄色网站,cao成 人 免费观看,中文无码日韩欧。??02月03日,【这个城市有点潮】福建武夷山：从茗茶“大红袍”中探寻茶文化,
生长社会主义市场经济要求向导干部解放头脑，更新看法，突破守旧;组成自强不息、高昂向上、自由民主、一律竞争等新的品德看法。由于法制不健全，品德规范约束力弱化等缘故原由，容易绣发款子至上，唯利是图等消极品德看法，容易导致向导干部在公务活动中，放弃党性原则，突破品德堤坝，爆发政治关系款子化、人际来往唯利化、公务活动适用化、权钱关系市场化等行为。这就要求我们在生长社会主义市场经济的历程中，必需增强向导干部的品德建设。
,影音先锋77xfplay色资源网站,在线免费看avav,性性伊人。??时势3：久99久无码精品视频免费播放
??02月03日,中国驻法国大使卢沙野夫妇举办中法友好招待会并颁发“大使奖”,
以朱厌的金色血液为主药，效果很是惊人，竟让祖传古鼎苏醒，发出了这等异象，一群人都瞠目结舌。
,AV女同免费一区二区三区在线,亚洲黑人无码专区在线,亚洲欧美乱伦。??02月03日,清华大学建筑学院院长张利：中国建筑师通过建筑将“人与自然”理念传递到法国,
“听从柳神的申饬，最先储粮！”一位族老冷静下来吩咐道。
,欧美三级午夜理伦三级中文字幕,人人干人人干碰,色色男人天堂。??时势4：欧洲vodafonewifi18√k
??02月03日,【台青在大陆】台青林淳瑄爱上中国舞 爱拼敢赢期盼“有梦出头天”,
(三)抓好培训，提高素质是换届选举乐成的要害。 这次村级组织换届选举事情，要求高、政策性强，没有履历可以参考；唤煅【偈虑槟芊裱峡崞局び泄卣鲁毯突ㄓ行虻鼐傩，事情职员是否熟悉营业，直接影响到换届事情。为此，街道党工委凭证差别的阶段、差别的事情使命、差别的环节和差别的要求对相关事情职员举行培训、指导，使每个事情职员对选举的整个操作程序做到胸有定见、使命明确，确保现实选举历程中不违规。
,影音先锋久久资源色哟哟,黑料网,无码h片在线观看网址。??02月03日,“辣”小吃带“热”人气 浙西小城“味蕾游”受追捧,
“锵”、“锵”……
,www.看黄片 com,精久久免费视频,免费无码A级黄毛片。【“熊猫杯”中国慢垒联赛分站赛结束 超万人参赛】
【西藏布达拉宫迎“年度美容”】
责编：利昂
审核：曹启泰
责编：黄明赴
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
