猫眼影戏
 |
|
猫眼影戏
邵雄
手机审查
猫眼影戏记者 郭顺姬 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：成年人午夜网站
??01月29日,试验证明我国深部砂岩咸水层可封存二氧化碳,
“好，好，好！”一群族老身体都在颤抖着，伸出褶皱的内行，想抚摸此鼎，它居然这般神异。
,人人操超黄色网站。??01月29日,中国游泳队持续遭抹黑，一重要原因披露,
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。
,美女作爱视频在线观看,国产做受69 霉霉,中国一级特黄视频。??时势2：久久h视频
??01月29日,第55个世界地球日 2.1万市民为北京添新绿,
紫山一脉灭族，除却一个不知身在何方的紫山侯外，该族殒命殆尽，没有一小我私家活下来。
,欧美性爱影音先峰,蓝鳍Smapp官网入口,机主宝库。??01月29日,中国首个球罐型“海上天然气气站”改造项目交付,
5、 24小时谋划，新财产直接翻番
,佐伊版兔子洞,少萝天天爽,激情五月卡通动漫。??时势3：爱情岛论坛亚洲线路一
??01月29日,2024中甲揭幕战广西平果开赛 球迷自创应援歌曲助威,
王宫恢宏，如一片天宫降临在人世，高峻而巍峨，内部则是金碧绚烂，雕梁画栋，说不尽的奢华与繁华。
,gey男男亚洲,亚洲精品911,亚洲无码九九九。??01月29日,利用大数据切实为基层工作者减负,
一群孩子更是跑来跑去，嗷嗷的叫着，这可是祭灵的血肉，以前想都不敢想，今日却要大快朵颐了。
,欧美一级欧美三级XX,精品久久久久久久无码末区,潘涩里。??时势4：95视频逼
??01月29日,中国消费市场运行总体平稳 专家建言激发企业创新力,
*项目是我县都会建设事情中的一大盛事，切合村民群众的基础利益，关于加速我县新型社区建想程序，进一步提升人居情形，提高县城西部群众生涯质量具有主要的意义。同时，*镇起劲引进外来资金加入都会建设、实验资源运作和谋划都会的做法，对全县新型社区建设事情具有主要的树模作用，值得肯定和推广。*集团是一个实力雄厚，治理先进，极具创业精神和生长潜力大型房地产开发公司。今天，*集团选择落户*镇，体现了公司决议层敏锐的商业眼光和卓越的战略胆识。我相信，这次强强相助一定会实现双方的共赢。
,嗨浪91,国产自做自拍视频在线观看,久久89视频。??01月29日,“中国布龙之乡”浙江奉化：“二月二”大巡游迎“龙抬头”,
为了使项目建设以及党建、精神文昭树模点建设等难点、重点事情得以顺遂推行，以开展机关作风建设活动为契机，普遍推行首问责任制、限时办结制、标示效劳制、过错追究制等相关制度，着力解决向导干部在头脑、事情、生涯、作风方面保存的突出问题。通过重新修订事情制度和事情纪律，充分使用种种聚会进一步增强三级干部教育，牢靠树立“有为才有位”的头脑理念，提高干部干实事、解难题、处置惩罚重大问题的能力。各项事情的推动，既定目的使命能不可准期实现，要害在人，要害在我们的墟落干部。因此，就要在继续抓好头脑、组织、作风建设的同时，抓好干步队伍建设，为各项事情目的的周全落实提供顽强有力的组织包管？梢钥隙ǖ亟，我们的墟落向导干部绝大部分是顽强有力、真抓实干的，是政治上可靠，事情上有本事，作风上过得硬，群众信任，事情务实的。近年来，全乡经济生长之以是取得显著效果，也正说明晰这一点。各村、各单位要从增强党的执政能力建设的高度出发，从解决难缠事、棘手问题和看待人民群众的态度、情绪上转变作风，至心实意地资助解决群众生爆发涯中的难题和问题。要从现在我们正在做的每一件事情和每一项事情上转变作风，多找事，多想罗城的生长，少谋私利，多一点务实精神，少一点形式主义，靠前指挥、一线实干，做到勤劳不 ；，认真不推诿，忠实不说谎，实干不怕苦和累，要始终坚持优异的精神状态，勇于争创一流，一直开立异时势，取得新效果。
,欧美大片天天爽,特级黄碟,黄网站色视。责编：陈艳
审核：韦唯一
责编：刘和谦
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
