猫眼影戏
 |
|
猫眼影戏
斯特赖克
手机审查
猫眼影戏记者 洪大双 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：色涩久久久久综合网88
??02月04日,文化中国行丨你见过 “流动的清明上河图”吗？来这条老街看看,
这一起上他们见到了许多骸骨，雪白而重大，有五六米长的禽骨，更有磨盘大的兽头骨，都是山林中的猛兽与凶禽被生生撕食后所致，此地死气沉沉。
,欧美特黄特色视频免费观看。??02月04日,公安部：依法查处利用网络传授制枪制爆犯罪方法等违法犯罪,
那数十头巨狼转身就逃，危坐在上面的狈村人神色发白，适才死去的人中都是他们再熟悉不过的亲人，转眼间生死永隔。
,中文字幕丝袜无码第一页,在线免费观看禁漫,人人操人人色人人干人人舔。??时势2：梦见月瑞希jm本子
??02月04日,15岁女孩遭母亲男友砍伤十多处？重庆彭水警方通报,
(七)准时报送案件情形，确保信息真实准确。各银行业金融机构和银监局要凭证案件、案件危害信息报送的有关划定，实时、准确报送案件和案件危害信息，严禁瞒报或居心漏报、迟报、错报。凭证案件希望情形实时报送后续视察、督查、审结、整改情形和案例质料。对爆发迟瞒报情形的，要举行转达，并举行羁系谈话。对因迟瞒报造成严重效果的，要追究相关责任职员责任。
,国产一级裸交视频,槽鼻软件免费版,日本性爱三级片免费在线播放。??02月04日,年输气380亿立方米 中俄东线天然气管道全线贯通,
尊重的费区长、尊重的李总、尊重的深交所向导、列位来宾、朋侪们：
,欧美一级性交A,女脱男摸一区二区,人妖大雞巴。??时势3：关晓彤AI裸体 喷水动漫
??02月04日,“舞统台湾”？台湾一夜市办“科目三”舞蹈比赛掀起讨论,
“嗯，工具不错。”那为首的男子颔首，持着宝骨看了又看，道：“喏，给你十枚精璧，这块符骨我们买了。”说罢，他丢下一些晶莹的块状物，转身就走。
,不卡的a√在线网站,最新婷婷99毛片精品视频,3女裸身女和女在一起了。??02月04日,对话吴谢宇案代理律师：仍坚持要求进行司法精神病学鉴定,
第二个M是谦逊。高中录取通知书上第一段英文的意思是，进入福州一中是你一生的自满！由于要低调以是用了英文！5月22日拍结业照时，为了照片效果更佳，摄影师把一些男生的位置调解到女生旁边。我看到男孩子都很欠盛意思，这说明你们很纯粹。有一个男生被调到女生边上时，直呼：“完了，完了，完了”。我冲着他喊道：“完什么完，美着你了！”我想了想，又补了句：“偷着乐吧你！”同砚们，三年的同砚友谊一生难忘，好好珍惜吧！这里悄悄告诉各人，据不完全统计，近二十年，从福州一中高中结业，最后步入婚姻殿堂的同班同砚，一个班最多抵达七对。我希望20xx届的你们会突破这个纪录。但也请记着，步入婚姻殿堂的他们中没有一对是在高中时牵手的，由于一中学生知道恋爱的份量和责任！
,久久久久久精品免费免费理论,国产欧美一,男生自己玩钉钉视频怎么夸他。??时势4：欧美亚洲18岁禁看视频
??02月04日,全面推进美丽中国建设 加快推进人与自然和谐共生的现代化,
小孤山镇，这一日很不清静，镇中的原住民全都心惊肉跳，这些日子来了这么多强者，让他们很担心。
,人人上人人操人人,久久中和网,欧卅少妇逼大吗？。??02月04日,重庆一教师在餐馆酒后咬伤学生耳朵 警方：行拘10日,
有人来禀报，见告石云峰。
,歪歪 喷水漫,直女被女同 到爽 高潮动漫,国产操操操。【弘扬东北抗联精神 电视剧《归队》杀青】
责编：刘太监
审核：刘宁
责编：朱鸣
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
