猫眼影戏
 |
|
猫眼影戏
刘铭传
手机审查
猫眼影戏记者 赵频 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：中文字幕在线日韩第3页
??02月04日,中新健康丨海南出台政策支持创新药械发展,
2、冬季磨炼要注重预防伤风 。冬季天气较量冷，磨炼时要衣着合理，注重保暖，以防伤风 。
,免费性爱黄色视频 。??02月04日,广西举办创意导游大赛 演述精彩壮乡故事,
要牢靠农业基础，加速农业结构调解，推进农业和农村现代化建设，就必需有一支高素质的农村下层干步队伍 。通过对新一届村居干部开展以政治理论和下层治理知识为主要内容的岗位培训，逐步提高村居干部的头脑政治素质、清廉奉公意识和事情能力，使新一届村居干部能够继续起向导农民群众致富奔小康，实现农业和农村现代化目的的重任 。目今宽大村居干部要进一步深入学习xx大精神和实践 “三个代表”的主要头脑，切记党的宗旨和斗争目的，始终坚持党的先进性，强化责恣意识、刷新意识、生长意识、效劳意识 。破除四种头脑看法，即破除小富则满，小富则安，不富也安的头脑，树立抢抓机缘，加速生长的意识;破除因循守旧，苟且偷生的头脑，树立开拓立异，争创一流的意识;破除局部利益至上、小我私家利益至上的头脑，树立全局看法和阵势看法意识;破除畏难无为的头脑，树立高昂图强的意识，起劲提高农村下层干部向导群众建设社会主义新农村的能力，加速我镇农业和农村现代化建设的程序 。
,啊灬啊灬啊灬啊灬快灬高潮了,国产人人操一区,动漫妓女3d巨大吸乳 。??时势2：日韩精品无码人妻被多人侵犯AV
??02月04日,日本尝试登月！有望成第五个实现探测器登月国家？,
同砚们，天天的体育课及课余时间就是我们增强体育磨炼的好时机,请各人在活动时代认真加入,要好好使用活动时间加入运动 。
,国产一级淫片A AA淫片,国产人人人人干,大雷美女吃狙 。??02月04日,数据共享助防范化解能源行业安全风险 确保国家能源安全 ,
一座石崖横亘前方，这里越发悄然了，寸草不生，在崖壁最上方有一个重大的巢，以一根根黑梧木筑成，给人很压制的感受 。
,国产黄色无码一级视频,操逼bbw,四色网站熊猫视频 。??时势3：亚洲国产日韩免费视频
??02月04日,1月至10月全国铁路完成固定资产投资6351亿元 同比增长10.9%,
这就是狻猊，一头真正的远古遗种，虽然高尚血统已然不纯，不复远古祖先那般逆天，但依然在山脉深处称尊一方 。
,黄色片在线观看 无码高清在线喷水,日亚洲无码四区 四库,免费观看一级a片 。??02月04日,微视频｜共商共建共享,
“这是以昆木嫩枝编成的蒲团，历经时间长河冲洗，神性未曾消磨殆尽，可令人笃志凝思，利于悟道，是一件瑰宝 。”
,欧美污网站,国产免费交换配乱婬视频A,可以免费看黄色网站 。??时势4：男女全黄三级高级自慰免费
??02月04日,【两会30秒】全国人大代表王旭：尊重差异、相信孩子，才能鼓舞孩子的梦想,
在家里，不可把手伸进插座内里，也不可把手放到电视机后面，避免电击 。不可把刀具放在桌沿边，万一掉下来会砍伤人 。在高楼，不可往窗外扔工具，以免砸伤路人 。
,亚洲韩国一区二区三日本,操逼 极品大奶,欧美熟妇A片在线A片视 。??02月04日,兰州老街上演西域风演绎：丝路驼队伴西域舞姬“穿越”楼兰,
“该不会是上次那群王八蛋又来了吧 ？”二猛的父亲叫道 。
,国产一级免费性爱视频,涩涩免费,国产精品久久久久久精品三级 。【伊朗一处工业区传出“巨大爆炸声” 官方：系战斗机突破音障】
【新华社权威速览｜推动落实全球安全倡议，习近平主席这样说】
责编：严以新
审核：李思捷
责编：盛锡福
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
