猫眼影戏
 |
|
猫眼影戏
焦建辉
手机审查
猫眼影戏记者 明善 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：性色AV网站在线观看
??02月01日,价差缺口上百万，高位炒房者面临续贷阵痛,
培训讲座上，王司理通过真实的ppt课件与精彩的演讲，让员工真真切切去感受其潜在的危害。同时，王司理又加以详细解说，见告各个意外情形下所要接纳的响应步伐，让各人学会在一样平常事情与生涯中逐渐提高清静意识，奏响生命的清静之歌。最后，王司理要求各人：为自己认真，为他人认真，关爱生命，请给生命加一道清静防地。
,欧美特黄A片在线视频播放。??02月01日,江苏扬州（泰州）直飞泰国曼谷国际客运航线复航,
这件事被列为绝密，由于关乎甚大，明面上有一个石毅就够了，由于他天生重瞳，只要露面一看就知。而石昊则禁止易被发明，除非最亲近的人才可近距离内感知，因此没有须要泄露出去，以防被人惦记，导致早夭。
,所有的黄色网站在线观看,国模大尺度私拍AV,黄视频免费在线观看。??时势2：动漫美女爆 羞羞动漫软件
??02月01日,哈萨克斯坦紧急情况部：近5万受洪灾民众返回家园,
同砚们，你们是祖国的未来，民族的希望。优美的未来，召唤着你们勇猛前进。借此时机，我希望你们：从小树立远大理想，作育高尚情操，做到心中有祖国、心中有整体、心中有他人;希望你们勤劳学习，周全生长，掌握真本事，为未来长大后周全建设小康社会而做好准备;希望你们互帮相助，团结前进。最后祝本次活动取得圆满乐成!谢谢各人!
,操碰人妻,杨颖的胸襟距离观察,99视频官网。??02月01日,【锚定现代化 改革再深化】江苏拓展跨境电商新模式 激活产业新动力,
“孩子……别哭。”老人用粗糙的手掌摩挲他惨白的小脸，污浊的老眼中淌下泪水，很是不舍。
,亚洲色图欧美色图中文字幕久久,日韩精品一区二区三区福利视频,欧美一级A片www。??时势3：无码99riav片
??02月01日,对集采串标追查到底才能守护好医患共同利益,
“我劝你们从哪来的回哪去，再敢向前走一步，我一箭一个射杀你们所有，这次绝不留情！”狈村谁人俊秀的少年突然启齿，口吻冲的让人怒气大动，恨不得先一箭将他射穿。
,久久网二站,少妇特黄A片一区二区三区无码,26uuuuuuu。??02月01日,中新健康丨中国专家揭秘高龄供体心脏移植效果欠佳原因及解决之道,
“族长爷爷……”一群孩子泪水淌落。
,佐伊版兔子洞,男人猛躁女人秘 免费看网站软件,韩国精品福利一区二区三区无码。??时势4：英语课代表要看我的小鸡鸡央视
??02月01日,【我在中国当大使】“欢迎中国朋友来‘打卡’”,
关爱生命，就要求各人注重清静。在一样平常生涯中，交通清静总是围绕在我们身边。只要你一出行，便同交通打上了交道。
,妮可本子黑料,姐姐片多多免费高清电视剧叶玉,博人用阴茎把小南高潮。??02月01日,进京求医路 这辆救护车畅通无阻,
做一名文明员：文明乘车、文明行路，不进网吧，做文明小公民; 做一名自愿员：鼎力大举开展自愿者效劳活动，扫除白色垃圾、玄色广告，净化情形，做力所能及的事情，为建设文明都会孝顺一份实力。。
,男女日批,一级a片99,亚洲最大视频aa在线观看。责编：张沫
审核：王宏家
责编：达芙妮·阿克赫斯特
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
