猫眼影戏
 |
|
猫眼影戏
仝存瑞
手机审查
猫眼影戏记者 宋红娜 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1：18岁黄片在线看
??02月02日,2月上旬末广州可能有低温阴雨,
“我没看错吧？居然真是他，虚神界的熊孩子进入了百断山！”
,giligili安装包。??02月02日,河北秦皇岛：百万亩板栗花开飘香,
过了很长时间，柳神才松开，显然它对这头金色的朱厌很在意，不过却没有多说什么。
,一级做a爱片特黄在线观看yy,在线免费看视频黄,www成人 色情美女内内。??时势2：女性生殖器官图小妹妹
??02月02日,祖地乡亲和台商难忘张克辉“两岸情”,
合理的人才梯队是医院可一连生长的有力包管，美国微软公司对人才梯队的叙述是三个字母“ADK”，即A为吸引最好的;D为生长最好的;K为保存最好的。这很值得我们学习和借鉴，就我们县医院现在情形来说，我以为必需坚定不移地实验人才战略。
,三级黄毛电影,美女被操网页,白鹿瑜伽裤显唇。??02月02日,锚定现代化 改革再深化丨浙江临海：一块豆腐，折射共富工坊建设新未来,
一是加速工业生长。工业化是城镇化的基础动力，要驻足资源优势和区位优势，鼎力大举调解优化结构，突出生长棉纺织工业，加速生长食物工业，起劲生长化学工业，着力培育轻工、机电工业，一直培育壮大县域工业支柱工业。要尽快修订完善增进工业生长的政策步伐，推动工业企业手艺刷新;实验扶扶优扶强，妄想建设一批优势工业项目，增强城镇生长后劲。要进一步增强县纺织工业园区和州里工业小区建设，推动工业向园区集中，项目向园区支配，将园区建成新型工业的麋集带和都会生长的新亮点，实现工业化和城镇化的良性互动。
,撕开美女的衣服,杨幂爽 好紧 别夹 喷水,差差差很依人。??时势3：www.xhs.小黄书在线
??02月02日,收录近500幅优秀作品 《你好，插画》新书在广州首发,
第三，坚持齐抓共管，形成事情协力。各有关职能部分要从经济社会生长的全局出发，强化效劳意识，找准加入城镇化事情的切入点，提高事情效率，刷新效劳方法，亲近配合，齐抓共管。城建部分要在做好城镇建设和治理等职责内事情的同时，针对城镇化历程中泛起的新情形、新问题，实时出谋划策，包管城镇化康健有序推进。妄想、公安、工商等有关部分要各负其责，各尽其能，为城镇建设着力尽责。城关镇、城郊乡要继续施展顾概略、识阵势的优异事情姿态，协调联动，包管工程建设顺遂举行。要鼎力大举叫响“人民都会人民建、建好都会为人民”的口号，发动群众起劲加入城镇化事情，形玉成社会勉励、支持城镇化的“大合唱”，推进全县城镇建设上台阶。
,好深好爽好硬的免费视频,自拍偷拍视频小说,9999久久精品国产。??02月02日,厦门绘就高素质高颜值现代化国际化城市画卷,
石林虎大吼，张开巨弓，一支铁箭飞出，冷光照耀山林，噗的一声没入狈里青的后心，粗大的箭头贯串而过，带起一大片血花。
,在线你懂得,人人干人人操人人射精,rihanhuangsewangzhan。??时势4：人人操人人爱人人色
??02月02日,琼瑶走完“为爱而生、为爱而写”的一生,
“咦，差池啊，这不是我们村外的山林。”二猛发傻，眼见所见跟自幼见到的那片山地基础纷歧样。
,欧美性生给视频,91丨九色丨人妻大屁股,老妇性a免费网站。??02月02日,关注巴以局势：卡塔尔称各方正寻求结束加沙冲突解决方案,
远空，一道身影沐浴霞光，若是一道神只从域外落下，释放无以伦比的恐怖的波动，降临武王府中。
,国产精品无码一级毛片APP下载,呦女www13-18,国产精品 欧美。责编：高桥康彦
审核：马洪刚
责编：叶塞尼亚
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
