猫眼影戏
 |
|
猫眼影戏
约翰逊
手机审查
猫眼影戏记者 杨培华 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：免费在线观看网站国产
??02月05日,南非足协主席、前世界杯组委会主席被捕,
小不点疲于应付 ，咬紧牙关 ，同时祭出两轮月亮 ，但依旧难以护住青鳞鹰。
,一级A片免费视频2021。??02月05日,2023年最终消费支出对中国经济增长贡献率超八成,
这孩子怎么语言呢？中年人黑下了一张脸 ，以为被反奚落了 ，道：“没事 ，你用吧 ，坏了不必你赔。”
,粗大猛进高潮在线观看,95视频A片免费体验区,中文字幕在线观看第一区。??时势2：得得爱爱视频
??02月05日,广州白云机场国际出港客运航班截载时间缩至60分钟内,
石村的人惊悚 ，他们被困绕了 ，一群黑背白肚皮的巨狼泛起 ，每一头都足有衡宇那么大 ，张着血盆大口 ，獠牙能有大都尺长 ，雪白而森然 ，配上猩红的舌头 ，显得狰狞无比。
,欧洲性爱免费视频不卡,自拍偷拍视频小说,外国性爱网站。??02月05日,中国首个深水高压气田项目二期工程综合处理平台陆地建造完工东西问丨阮氏青云：梅兰芳表演艺术怎样在越南广泛传播？,
“万物没有绝对 ，我只是说了一种可能。”柳树没有否定。
,劲爆A片免费网址,受被h+玩具顶到肛门失禁小说bl,毛片高清无码。??时势3：国产91在线视讯
??02月05日,福州海警连夜查获鸡爪等走私冻品80余吨,
二是坚持保协调保稳固。指出 ，生长是第一要务 ，稳固是第一责任。没有稳固这个条件 ，什么事情都干不可。做好维护协调稳固的事情 ，要害是坚持党的宗旨 ，坚持以“人民知足不知足、允许不允许、赞成不赞成”为磨练标准 ，准确处置惩罚经济社会生长历程中 ，国家、整体、企业、群众等利益主体的相互关系 ，建设正当、合理、协调的利益分派名堂 ，使人民群众拥护我们、支持我们、资助我们 ，为实现全市“三个加速一个突破”创立优异的生长情形。要学习准确的的要领处置惩罚突发事务 ，避免引发和激化矛盾 ，起劲做到突出矛盾发明在早、突发事务处置惩罚在小 ，牢牢掌握维护社会稳固、增进农村协调的自动权。经济社会生长中泛起的种种问题大多是人民内部矛盾 ，维护协调稳固 ，要始终切记为民效劳的宗旨 ，坚持走群众蹊径 ，不可把下层党委政府和人民群众对立起来。
,国产特特A级毛片VVWW,www7777,阴户视频。??02月05日,广东气象部门解答11月为何还台风扎堆,
儿童和青少年的清静事情 ，是全社会清静事情的主要组成部分 ，是学校教育 ，家庭教育 ，以致社会教育中不可缺氨赡主要事情。儿童和少年是祖国的未来 ，民族的希望 ，是跨世纪的接棒人。儿童和少年能否康健生长 ，关系到千家万户的幸福 ，关系到宽大群众的基础利益 ，关系到社会的稳固。做好儿童和少年的清静事情 ，是国家 ，社会、学校和家庭配合的责任。
,性夜黄a爽爽免费视频扩大器,99爱免费视频在线观看,在线亚洲91se亚洲综合在线。??时势4：鸡巴在女神阴道里一进一出
??02月05日,跟随文物普查员的脚步 摸清文物资源“家底”,
他昔时受了离奇的暗伤 ，需要一种特别的宝药 ，可即即是那些生齿数百万的富家都不见得能拿出 ，想根治谈何容易。
,国产乱XX乂XXX交,欧美视频在线观看第5页免费,人人干人人插人人色。??02月05日,美国学者：创新活力十足 中国经济增长前景“非常乐观”,
基础就没有人同情 ，可见他们通常为人办事何等的糟糕。
,欧美性爱在线观看短视频,色香阁影院,点 不下W看 网站。责编：黄牙
审核：姬某玲
责编：刘滨
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
