猫眼影戏
 |
|
猫眼影戏
武吉
手机审查
猫眼影戏记者 沈梦琦 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：欧美亚洲另类图片综合区
??01月30日,专家：警惕性早熟低龄化趋势，日常饮食与环境等或为原因,
火星四溅，小不点与那头生灵的玄色爪子撞在一起，声音如惊雷，脚下大地龟裂，凶悍无比，宛若两座火山相遇。
,91精品福利尤物。??01月30日,解读汪曾祺：自带“弹幕”的作家,
众人惊颤，不愧为周遭五万里内最强盛的祭灵，这种威势简直骇人心神，令人从心底生出一种大惧。
,国产一级视频免费观看全片,▇▇▇▇▇▇的英文怎么写,日韩色色色色色网。??时势2：国产性爱另类视频3区
??01月30日,海外侨胞列席上海市政协会议 传递“侨味”“文化味”,
今天，举行我镇第八届村两委换届选举后主持一样平常事情村干、计生专干的培训班，其意有三：一是两委换届后事情头绪多，一样平常事情量大，为了确保培训内容、质量，需要一段时间全心准备;二是少数村换届选举后有一个从波动到稳固的历程，需要适当的时间来检测;三是“双十”寄希望于全体村主持一样平常事情的村干、计生专干、在本届任期内要十分之意为民效劳，十分之力勤勉事情，为第八届村两委的各项事情开好局、起了步而起劲事情，奋力推进镇新农村建设和小康社会历程。第八届村党组织、村民委员会换届选举事情历时两个月，在座的同志们又履历了一次党组织的磨练和选民的选择，这是下层民主政治制度在各村又一次生动实践，除因任职年岁等因素自动退出来一些同志外，大部分同志都为连选连任，部分同志是新中选的新人。无论是连选连任照旧新中选，都是党内外选民的现实选择，都是必定和无意的连系，希望同志们尊重必定，珍惜无意，以今天的培训班为新起点、新征程、新境界。接过第七届村两委的“接力棒”，肩负起建设“四个”(生态、人文、协调、魅力)和立异村级社会治理的责任，探索切合村情的“一村一品”、“多元生长”的新名堂，开创出营生长、求协调、创特色、增收入的新路子，挡担起走在全县生长前线的责任和使命，承载起全镇各级党组织、宽大和 万人民的希望和重托，为完成“”妄想雄伟目的，描绘村级平台壮美画卷，为建设一个“生态情形好、经济生长快、幸福指数高的十一个漂亮墟落而团结斗争!
,女生 和男生,日日操夜夜操人人操人人摸,在线精品一区。??01月30日,台媒：民进党前主席施明德去世,
小不点一招手，银月旋转，托起那条兽牙串飞回，带到了他的眼前。
,金志垣换脸,国内视频欧洲日韩亚洲你懂的网站,国产18禁又污又黄又刺激。??时势3：亚洲色图欧美色图中文字幕久久
??01月30日,山西晋中市“锚定高质量 转型在前列”主题系列采风活动启动“新警”入列 武警福建省总队机动支队迎来“神犬奇兵”,
效果是惊人的，小不点像个火炉子，连日来一直发光，自内而外，在其体表泛起一条又一条纹络，晶莹而绚烂。
,九一插插,伊人精品无码AV一区二区三区,我的世界爆乳28禁 视频。??01月30日,习近平：开创共建“一带一路”更加光明的未来,
“将西疆的利益所有让出去，另外那些人随他们杀净，我想这样行了吧，只管；赜昝。”
,一级特黄AAA免费视频,胡桃玩旅行者的小坤坤网站在线看,18岁69视频。??时势4：爸爸帮姐姐疏通下水道
??01月30日,“千年石城”见贤思齐 “乡贤人才库”赋能浙江强镇,
一颗兽头若隐若现，想自那符文中挣脱出来。
,免费乱伦美女特黄视频,国产 精品 首页,观看免费的A片视频片。??01月30日,中国官方同日连打三“虎” 张秀隆、凌成兴、韩勇被开除党籍,
“阿叔，我知道的。族长爷爷，你们先回去吧，这里太危险，即便我们举族出动，时机也不大。”
,粉色abb苏州晶体有限公司,猛男的宝藏库,超碰黄色网站99。责编：盛文
审核：霍琳
责编：朱忠鹤
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
