猫眼影戏
 |
|
猫眼影戏
段霞
手机审查
猫眼影戏记者 洛克利尔 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：全网免费在线看的又黄又软网站
??02月05日,以新质生产力推动高质量发展 智库专家山西临汾共论中国经济下一程,
新闻传回，引发惊动。
,A片手机观看。??02月05日,走好科技强农质量兴农品牌富农之路,
石昊宽慰三只幼鸟，同时嘱咐他们，一定要再次劝说青鳞鹰，到时间去资助。由于去寻狻猊的遗体可能会很危险，若是有一头强盛的凶禽相助，一定会顺遂许多。
,黄页变态视频免费在线观看,欧美性爱操,激情小说亚洲区。??时势2：欧美性爱视频三级
??02月05日,【锚定现代化 改革再深化】江苏拓展跨境电商新模式 激活产业新动力,
六是起劲建设协调团队。成员之间相互尊重、相互信任，做到真正意义上的朋侪，营造出协调的气氛。认真做好所务果真，按期召开所内民主生涯会，果真绩效审核情形，经常与员工谈心，相识员工的头脑情绪、想法和性格特点，真诚地资助他们解决事情、学习、生涯中的难题，创立清静、恬静的事情情形及协调融洽的治理气氛，增强员工的归属感，引发员工的事情起劲性，把我所建成优美的“职工小家”。
,九九视频网站6,国产精品久久久久一区,国产黄色美女尻屄视频。??02月05日,2023年度新闻记者职业资格成绩公布,
最后，再次谢谢各人的到来，教育无处不在，您今天能来学？页せ，已经在无形中为孩子树立了诚信守时的模范，您的孩子已经获得了模范的实力。
,吃鸡扒视频完整版高清,一级特黄aa大片免费视频,黄色视频三A免费。??时势3：97超博视频免费黄色
??02月05日,北京正筹建可重复使用火箭技术创新中心,
??02月05日,港区全国政协委员考察紫荆文化港澳青年创新创业中心,
当下，诸天神明的吟唱再次响起，无限的实力汹涌，宝术惊天，他像是一尊金色的天神般，横扫四方。
,av电源在线观看,一级毛片久久,外国同性恋女人阴毛多的视频。??时势4：男女猛烈无遮掩视频免费
??02月05日,北江干流石角站出现18100立方米/秒洪峰流量,
紫金色匹练射在青鳞鹰的左翅上，撞出一片火星，让凶禽一阵怒鸣，感受到了铁翅传来的剧痛。
,一区二区三区久久久久,西施腿法娴熟,伊人福利网。??02月05日,中国汽研全球汽车信息通信测评技术创新基地建成,
一方面，我们要全力抓好能够施展都会群集效应的都会基本建设项目的实验与推进。今年，我们凭证都会建设气概越发体现“江城特色”，修建式样越发凸显“欧式气概”的总体目的，确立了康居家园、龙江华府、龙翔嘉园、学贵寓城等24项基本建设工程，主要目的是高标准、高质量地建设一批独具特色的精品工程，进一步改善都会生长的硬情形，周全提高都会的品位和层次。现在，这些工程正有序建设中，各单位、各部分一定要进一步明确要求，以务实立异的行动、扎实而富有效果的事情，抓好这些基本建设工程。总结起来，现正在重点实验推进的建设项目有四类。第一是行政办公楼项目，主要有行政办公戋戋域内的县法院办公楼和边检站营房楼工程，这两项工程为我县的东出口，位临口岸要道，设计气概为欧式现代气概，建设单位要严酷凭证设计施工，要在9月尾完工;第二是文教卫生综合楼项目，包括县医院综合办公楼、县二中综合实验楼和县三中综合实验楼三项工程，这三项工程进入地基建设阶段，建成后将周全改善我县的就医和就学条件。其中，医院综合楼要在9月末完成，学校综合实验楼要力争在暑假开学(8月20日)前完工并投入使用，各建设单位和施工单位在时间上要充分思量，施工上要统筹安排，确保工程施工工期;第三是商贸效劳项目有一项，也是我县近年来实验的唯一超亿元的商服项目--嘉龙国际大旅馆，此工程的实验将打造成我县乃是全市标准最高、规模最大的旅馆餐饮标记性修建，对提高我县接待能力，提升都会的形象和品位将启动起劲的推行动用，此项工程建设必需在下半年周全拉开;第四是住宅小区建设项目，主要是完成以康居家园、龙江华府、学贵寓城、嘉禾新园等为主的小区建设，一直改善住民生涯栖身条件。这就要求各小区开发修建企业，在抓好修建的同时，同步妄想好、设计好各小区的绿化、硬化等配套实验建设，同步安排好投入使用后的物业治理事宜，妄想和建设部分要搞好监视，争取建成一批精品树模小区。
,99riav71,小鹿酱白浆,国产成a人片在线观看中文。【云南省交通运输厅启动山体滑坡应急Ⅱ级响应】
责编：王隽
审核：吴珏
责编：王志郅
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
