猫眼影戏
 |
|
猫眼影戏
克伦威尔莎拉
手机审查
猫眼影戏记者 詹姆斯卡梅隆 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：黄色网站2
??01月30日,台东县长饶庆铃出席海峡两岸青少年棒球邀请赛：希望通过棒球交流看到未来契机,
好比有的同砚意识到，自己和同砚同时背一篇课文自己要较长时间，别人只用较短时间，感受自己和同砚相比有一定的差别，在学习上就会尚失约心。在这一点上，请各人不要气馁，我们可以用后天的勤劳来填补先天的劣势，要学会“笨鸟先飞”。
,人妻无码插插插。??01月30日,文化中国行丨联播一瞬带你走进中式美学下的园林秋色,
要把涂沟建设成为金湖的东大门，就要物质文明、精神文明两手抓，两手都要硬。近年来，我镇精神文明建设取得显著效果，但也保存不少问题，一些地方封建迷信沉渣泛起，黄赌征象时有爆发。在民主与法制建设方面，保存一些薄弱环节，社会治安尚不尽人意，有的下层干部民主意识不浓，法制看法淡漠，权要主义还保存，因而严重挫伤了群众的起劲性，影响了党群干群关系。要彻底改变这一状态，必需增强对村居干部的教育培训，增强政策法制教育，周全明确体会各项目的政策和执法要求，进一步增强执行政策和执法的自觉性和严肃性，从而施展村居干部的模范带举措用，增进社会民俗的好转，为我镇的刷新和生长创立优异的情形。
,亚洲妓女双渗透粗暴,2048基业长青在于回归用户论坛,在被cao到爽网站。??时势2：h无码精品视频黄网站
??01月30日,四川康定山洪泥石流灾害已致12人遇难、15人失联,
这群孩子撒丫子狂逃，仰仗着对山林的熟悉，专门向林子密的地方冲，逃避这头全身鳞片闪灼冷光的凶禽。
,亚州黄色网站,黄色网站在线播放视频,日本少妇XXXX1819。??01月30日,黑龙江哈尔滨：多彩民俗活动迎“二月二”,
小不点一副很主要的样子，急遽启齿，道：“大叔，你说的，不必我赔铁锤！”
,福利看片一区,512精品一级片,在线免费观看黄片一区二区。??时势3：特黄A级毛片不卡无码免费视频
??01月30日,以科技创新推动新质生产力发展 2024科学家创新大会将召开,
尊重的列位初64级的同砚们：
,5566全国最大免费精品网站,歐關性生活高清視頻一區二區,色综合视频网。??01月30日,332名世界顶尖运动员汇聚上海 2024射箭世界杯上海站将开弓,
在办学业绩方面，我们一直获得上级向导和有关专家的肯定和表扬。我们的学校、我们的先生和学生先后获得过许多国家级、省级和市区级的表扬，尤其值得我们全体师生自豪的是：在今年月，我们被评定为区一级学校，并且是包括初中部的区一级学校，这在××区是唯一无二的，是令社会各界另眼相看的！能提升为区一级学校，我们靠的是自身的打拼，靠的是过硬的质量，靠的是我们的三支步队——我们有作风优良的好向导，我们有营业精湛的好先生，我们有勤劳学习的勤学生。这里校风正，教风严，学风浓，我们始终坚持以人为本，决不放弃任何一名学生，起劲将每一名学生雕琢成器。虽然，所有这一切都离不开在座家长们的支持和勉励。免费提供
,大香蕉爱AV情,骚逼想被狠狠操,国产偷自拍视频在线观看。??时势4：非洲免费视频一区二区三区
??01月30日,广交会观察：科技创新助高品质中企产品走向海外,
念书活动中关注自然，体贴社会，关爱他人，富厚自己的.天下。另外，还希望同砚们掌握准确的学习要领，制订切合自身特点的学习妄想，特殊是六年级结业班的同砚，你们面临结业学习较量主要，更应该有一个科学严密的学习妄想。养成“专注、善思、勤记、多练”的学习习惯。成为勤劳学习，善于思索，有渊博知识的人。
,欧美性爱视频免费的,精品 yy-区二区三,日日谷免费视频。??01月30日,新疆乌伦古湖结束禁渔期 开湖捕鱼,
“你的名字……”小不点挠头，他们拥有一样的名字。
,CABIAN破解版,MM131美女免费视频网站,自拍偷拍av网址。责编：孙雯
审核：孙伯民
责编：廖华生
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
