猫眼影戏
 |
|
猫眼影戏
陈弋弋
手机审查
猫眼影戏记者 黄狗 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1：九号球服 小说-九号球服 小说最新版下载v29.3.46.3.5
??02月03日,假日里的“唐潮”：“Z世代”汉服妆造师点染长安之韵,
一个时间后，生齿足有数十万的部完工为劫灰，漫天凶禽飞过，留下一些残羽，落在这片废墟上，诉说着殇与痛。
,91综合免费久久久久。??02月03日,文化中国行丨土楼：世界遗产也是“家”,
20__年，全市档案事情在各级党委和政府的向导下，在省档案局的指导下，认真学习宣传贯彻党的xx大、天下、全省档案事情聚会和市委全会、市人代会精神，周全落实科学生长观，凭证，牢牢围绕依法治档、科技兴档、强化效劳、施展效益的事情思绪;开拓进取，勤劳事情，突出档案事情效劳于党委和政府事情阵势、效劳于宽大人民群众这一主题，连系四创两争事情，认真推行职责,加速实验档案事情八项工程程序，在增强档案法制建设、档案信息化建设、档案馆功效建设和档案干步队伍建设等方面都取得了新的效果，增进了档案事业又好又快的生长。
,日韩精品视频第八十八页,高清裸体欧美熟女,国产超碰。??时势2：羞羞视频黄色首页
??02月03日,泰国南部遭遇严重洪灾已致25人死亡 超66万居民受灾,
增强盛局意识，维护镇党委镇政府的权威，包管政令流通，是一个很严肃的原则问题，是党性的集中体现。只要全镇上下同心协力，配合维护阵势利益，就没有什么难题战胜不了。我们要求各村居的干部，在头脑上、行动上，必需听从全镇一盘棋，准确处置惩罚好局部与整体的关系，自觉做到小局听从阵势，不折不扣地执行镇党委、镇政府的出台的一系列文件精神，确保全镇政令流通。讲阵势，就必需把涂沟的事情办妥，把各村居的事情办妥。局部是阵势不可支解的组成部分，局部的事情做好了，对阵势就会爆发起劲的影响和作用。各村居干部在讲阵势的条件下，要从外地现实出发，切实抓好整体经济、清财化债、招商引资、创业点建设、高效农业、妄想生育、社会治安等主要事情，加速本村居经济的生长，一直增强经济实力。只要我们各村居的干部把自己所认真的事情做好了，就是对全镇阵势最大的孝顺。 四要克己自律、清洁做事，增强廉政建设。
,18 小视频,麻豆久久久,人人草网。??02月03日,俄外交部：俄罗斯不会用核武器威胁任何人,
要施展好照料助手作用，起劲为党委的科学决议提供准确、优质和高效效劳。办公室作为党委的照料部、智囊团，主要体现在文稿起草、视察研究、提供信息、催促检查、提出对策性建议等方面。因此，各级党委办公室一定要普遍搜集信息，深入开展研究，一直增强事情的预见性，提高辅助决议的科学性，从而更好地为向导决议提供有价值的意见和建议。一要一直提高起草文稿和办理公牍的质量。各级党委办公室要把综合文字事情作为办公室的主要营业建设来抓。认真学习主要文件，体会向导讲话和指挥，准确掌握向导意图，一直提高文稿撰写的质量。要注重作育从事文字事情的营业主干，充分办公室文字事情的实力。二要强化信息、督查和政策研究事情，准确实时地反应社情、民情，为党委当好“线人”。要确保信息的时效性，做到快报而不漏报、误报;要确保信息的真实性，不掺水分，不弄虚作假，既报喜也报忧，周全反应真真相形。要注重提供有质量、有深度的调研，针对党委关注的问题举行重点调研和综合剖析归纳，为党委提供有参考价值的决议依据。三要增强催促检查，协助党委抓好事情落实。牢牢围绕党委的重大决媾和中心使命，以及向导的主要指挥和交效劳项，以抓详细落实为重点，自动督导，按期转达。要进一步探索和实践新形势下实现督查实效的机制和手段，强化督查事情职位，健全督查事情网络，使督做事情事事有着落，件件有回音，确保党委的政令流通。四要做好神秘保密事情，确保首脑机关的神秘清静。要建好、管好密码通讯网络，进一步增强对密码电报的治理，起劲消除爆发失泄密的隐患。
,想看日韩网站,另类色图区,国产办公室里玩秘书在线观看。??时势3：日本jizz中国
??02月03日,中国驻埃及大使馆提醒中国游客注意出行安全,
“这是它的宝具！”小不点悚然。
,99精品视频精品免费,欧美日韩国产在线看,水蜜桃在线一二播放。??02月03日,两次更名三十年逃亡 内蒙古警方破获一起命案积案,
“那是什么呀？”小不点好奇的问道。
,八酱的爆料免费观看最新一期,国产 在线观看免费视频网站,成人无码18 在线观看。??时势4：女人大乳被 免费看JaPan
??02月03日,针灸拔罐样样行：“Z世代”泰国女孩探寻望闻问切之妙,
⑸严酷执行收支政策和划定。对村级整体应收欠款，应举行一次周全整理，限期收回，要凭着实事求是、量入为出的原则，严禁逾越村级财务效劳，严酷划定非爆发性开支的标准及比例。阻止超财务效劳的征象，对兴办重大建设项目，可在届内平衡的条件下搞建设。对村的公共设施、社会事业建设、养老金支出及村民福利等，要实事求是。
,葫芦影业一家三口女儿叫什么官方版下载,精品日韩第56页,999久久999AV。??02月03日,进出西藏列车有机蔬菜实现“现摘现炒”,
一声轻颤，那片光点倒转飞回，重新化成了一条兽牙串，泛起在狈风的手腕上，颗颗莹白剔透，漂亮的晃人眼。
,鸿雪外教老师原著小说叫什么名字,国产免费交换配乱婬视频A,永久黄网色视频免费观看w。【英国政要与马斯克就骚乱问题掀“口水战”】
责编：施达·康斯坦丁诺夫娜
审核：葛来水
责编：高新特
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
