猫眼影戏
 |
|
猫眼影戏
杨敏养
手机审查
猫眼影戏记者 隆哥 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：都在搜av免费观看
??02月03日,全国冬季运动会速度滑冰第三个比赛日：宁忠岩收获个人第二金,
“吱吱！”毛球从小不点的肩头跳到了象头上，叫个一直，像是在宣告，这头猎物属于它。
,网黄炮机在线观看。??02月03日,以人为本，用心为民——兴业银行信用卡构建金融消保新生态,
接下来的日子里，小不点早出晚归，一小我私家呆在深山中精研原始真解，时时与凶兽对抗，以此来磨练心中所悟得的工具。
,av资源免费,精品国产自在现线免费看,欧美精品视频在线看。??时势2：欧州黄色A片
??02月03日,池黄高铁九华山站通过静态验收,
??02月03日,最新研究：早期强化降糖可让心血管获益,
只管脚下的路还很长很长，理想的彼岸很远很远。但我们知道，青松之以是傲立严冬，是由于它坚贞不拔，扎根岩石;腊梅之以是笑对风雪，是由于它坚定不移，傲骨峥峥，海燕之以是挑战狂风雨，是由于它勇敢顽强，永不言弃。我们知道，x年北京奥运会开幕式上的每一个演出，都是专心血凝聚的;竞技场上的每一块奖牌，都是用汗水浇灌的;同样，科场上的每一份答卷，都是用勤劳誊写的。我们知道，灾祸是人生的一笔财产。高中三年，我们只有埋下头，沉下心，将压力化为前进的动力，波折酿成继续的勇气，才华在高考中无愧、无悔于自己。我们知道，有志者，事竟成，破釜沉舟，百二秦关终属楚;苦心人，天不负，卧薪尝胆，三千越甲可吞吴!
,日本黄色视频在线免费观看,96在线免费视频,原神同人18+网站。??时势3：91中文字幕综合
??02月03日,舞蹈《洛神赋图》以“快闪”形式亮相辽博 让国宝“活”起来,
与此同时，他弯弓搭箭，直接射杀向前，话都说到这份上了，还能怎样？唯有一战！
,竹内沙里纳夸最经典十句话,亚州日日日日日日视频!,Bluephoto蓝摄virus。??02月03日,江西今年实施省大中型项目3670个 力争年度计划完成投资1万亿元,
同志们！现在距离xx年的中考，只有6个月的时间。xx年中考的目的为：力争学校综合位次在学区名列三甲行列，争取进入全县前三十名获县级三等奖。这个目的经由起劲照旧有希望的。只要我们谦逊审慎，戒骄戒躁，坚持苏醒头脑，继续发挥已往那种拼搏精神，发挥已往那种团结协作精神，发挥已往那种起劲向上的精神，科学合理地安排结业班事情，落实好结业班各项制度，我们的目的一定能抵达，我们的愿望一定能实现！希望在座列位务必统一头脑，强化熟悉，自动事情，以“一日无为，三日担心”的责任感和紧迫感，团结一心，励精图治，幸不辱命，不负重托，全力做好结业班事情，为长乐教育事业作出我们更大的孝顺！
,免费观看在线高清黄色视频,亚洲女同打屁股 网站╳亚洲人服从,一级黄色A片强奸妇女A片强奸着。??时势4：网站你懂得
??02月03日,张之臻组合挺进2024澳网男双四强,
他们既兴奋又兴奋，犹如一群小山兽般在石林中腾跃，迅疾无比，不久就出了石林，赶在青鳞鹰回归前出来了。
,色呦呦精品在线,亚洲人妻AV,国产一级激情免费视频。??02月03日,“赋予法中友谊更多力量”,
“我们也要去，看他究竟能不可破掉石毅的纪录！”
,六花端口防封最新版下载,亚州黄色视频在线看,成人片3344vva在线播放。责编：杜小妞
审核：胡明达
责编：孙静波
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
