猫眼影戏
 |
|
猫眼影戏
解俊
手机审查
猫眼影戏记者 龙应台 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：免费看在线网站的A级毛片
??01月30日,重庆：到2027年建成青年发展型城市,
“师姐，我错了，你们着实很漂亮，真的不胖，玉体修长而纤细，我见犹怜。”在说这些话时，他盯着两人的双腿，确实很是修长而惑人，透过衣裙隐现，宛若羊脂玉雕，又看向那小蛮腰，简直盈盈缺乏一握，皎洁柔软而纤细似水蛇般。
,黄片免费啊啊啊。??01月30日,展柜内文物发霉？博物馆别成文保盲区,
随着信用卡的普及和使用，信用卡逾期成为了一个普遍保存的问题。关于招商银行信用卡持卡人来说，逾期还款是否会导致起诉成为了一个关注的焦点。本文将围绕这一问题睁开讨论，探讨招商银行信用卡逾期是否会引发执法纠纷。 一、招商银行信用卡逾期会起诉吗 可能会。 若是招商银行信用卡持卡人逾期还款严重且长期未能...
??时势2：国产黄色网站区发布
??01月30日,“经济利益派”代表人之一洪远朋逝世：一生研究《资本论》,
先生们、同砚们，"风正潮平，自当扬帆破浪;任重道远，更需策马扬鞭。"机缘总是看重那些有准备的人，在新的一学年里，衷心希望全校师生荣校修身，笃学致远，追求卓越，驻足新起点，迎接新挑战，创立新绚烂。最后，祝全体先生身体康健，事情顺遂!祝全体同砚学习前进，快乐生长!祝我们的学校欣欣向荣,蒸蒸日上!
,18禁止观看黄网站,人妻无码久久久久久久,tobu8日本图片。??01月30日,“有仇必报” 重庆大熊猫“爱莲”摔倒后举动出人意料,
??时势3：黄色网站进入口
??01月30日,中东乱局背后 美国的影子无处不在,
第四，搞好县委换届，是为建设社会主义提供顽强组织包管的需要。从20xx年县委换届以来，十二届县委牢牢围绕"整体推进扶贫开发，着力建设生态经济强县"的总体思绪，团结向导全县宽大干部和群众，笃志苦干，大胆立异，既聚力生长特色工业，增进农民增收，又推进基础设施建设，改善了农民的生爆发涯条件;既增强了手艺培训，培育作育了一批新型农民，又增强了下层民主政治建设，包管了农民民主权力。在肯定效果的同时，我们也应该苏醒地看到，作为一个贫困的山区县，我们在""时期既要牢靠和生长扶贫开发效果，又要为建设社会主义新农村打下坚实的基础，难题比先进地区重大得多，使命比先进地区难题堪多，还必需进一步增强和改善党对建设社会主义新农村的向导。以换届为契机，把县委班子建强，把目的锁定，不但有利于把整体推进扶贫开发和新农村建设连系好，有利于增强对新农村建设妄想制订和实验的指导，也有利于增强下层党组织建设和体制机制立异，更好地把全县各级各部分的主要精神和事情重心统一到新农村建设上来。
,人人操人人拍,看着老太太B,日韩精品第一页在线观看。??01月30日,传统医药“圈粉”年轻人，未来谁接棒,
此后，一群大人也都停了下来，眼中泛奇光，盯着老柳树，他们并不阻挡孩子的争斗，反而要取出宝血勉励。
,中文字幕 第 页,国产综合调教视频高清在线播放,国产日韩性爱。??时势4：国产精品第三页
??01月30日,国际园艺生产者协会秘书长：在中国看到可持续发展承诺的践行,
“阿蛮是一个好姐姐，很善良，也很漂亮，常给我讲故事，人可好了。”小石昊眨着大眼，很纯粹的说道。
,特黄男女交性A片激情视频三,懂色AV,国产精品秘 果冻传媒吴梦梦。??01月30日,国际识局：获得候选人提名！哈里斯能否成美国首位女总统？,
档案馆规范化治理是档案治理的基础性事情，是实现档案清静治理和开发使用的条件。一是继续做好重点工程、重点项目、重大事务、市属国有休业企业以及到期进馆档案的吸收事情。二是开展民生档案资源建设，将涉及民生部分档案列入重点监视和吸收进馆规模。三是做好到期档案的判断、开放和使用事情。四是加大档案征集事情力度，要注重网络种种专门档案和差别载体的档案，特殊是要增强对重大活动档案的网络，将反应外地区特色的档案征集进馆，一直改善馆藏结构和富厚馆藏内容。
,日韩无码三级,男蓝摄,www.色偷偷。责编：李凤堂
审核：陈并踹
责编：周耀
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
