猫眼影戏
 |
|
猫眼影戏
董志平
手机审查
猫眼影戏记者 茹克娅·克依木 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：无码国精品一区二区免费
??02月03日,崔健林忆莲李宇春等歌手齐聚南京 唱响音乐节, 专家指出 ，这种研学乱象 ，警示着研学市场需进一步规范。那些打着公益旗帜售卖的商业研学 ，其擦边行为不但涉嫌诓骗 ，“还危险了大凉山孩子的情绪 ，应当被明令榨取”。,国产A级拍拍免费视频。
??02月03日,新疆阿克苏地区乌什县发生7.1级地震 23趟列车运行受影响,
靠质量树名 ，就是用优异的品质 ，让业主知足 ，替我们传名 ，我们才华承接更多的工程 ，才华赚到钱。你的人为不是会计发的 ，不是总司剃头的 ，也不是董事长发的 ，是谁发的呢?是业主、是建设方!我们只有制作出优质精品工程 ，把企业品牌闯出来 ，把企业形象树起来 ，才华有活干、有钱挣。
,性一交一乱一伦一色一情免费视频,激情xxxx,祝绪丹露奶头。??时势2：日韩视频1
??02月03日,“中国最后一支使鹿部落”驯鹿种群数量预计突破1600头,
三是工业支持较弱。全市城镇普遍保存工业企业未几、工业支持乏力的问题 ，落伍的工业化难以顺应城镇化的生长要求。尤其是一些州里还相当落伍 ，财务收入低、城镇建设缺乏资金投入 ，财务一样平常预算收入低于万的并不少见 ，有的甚至只有、万元。
,日杨颖好爽小说,国产乱伦精彩视频,扑克牌视频不盖被子。??02月03日,截至2023年底香港有逾1.4万间非本地公司 同比增逾2%,
那一座又一座远古神山都断裂了 ，混沌云雾缭绕 ，茫茫无际。小不点长奔 ，玄色的长发飘向后方 ，追风逐电 ，速率非 ？。
,久1精品,男人网在线,成品人和精品人的区别三。??时势3：人人se
??02月03日,“光影故事会·看中国”云展厅在巴西启动,
“这是以昆木嫩枝编成的蒲团 ，历经时间长河冲洗 ，神性未曾消磨殆尽 ，可令人笃志凝思 ，利于悟道 ，是一件瑰宝。”
,写械芯96HD,91精品啪在线观看国产日本,三笠拨箩卜。??02月03日,天津加快实施灾后恢复重建河道治理工程,
??时势4：国产 91 在线播放
??02月03日,特写｜习主席称赞法国总理中文“讲得很好，很标准”,
二是深入调研 ，周全掌握宽大、村民代表的头脑动态。深入群众 ，普遍听取宽大、村民代表对现届支部和现职支委事情情形的真实意见、建议 ，以及对新一届支委的希望、要求 ，有利于掌握换届选举事情的动向。我们在原来村级班子剖析排摸的基础上 ，举行深入座谈。我们统一明确了四种必谈工具 ，即历届离任村支书老干部必谈、村民小组长必谈、在群众中有一定影响力和威信的和村民代表必谈、在职村三委会成员必谈。同时 ，要求座谈率抵达50%以上 ，新村及情形重大村要求抵达80%以上 ，并要谴责体农村事情指导员战胜年尾刚刚完成村级班子排摸 ，年头又要座谈考察而滋生怕烦和麻木头脑 ，一律接纳个体座谈方法 ，周全掌握群众的真实意愿。在座谈考察的基础上 ，逐村酝酿各村支委配备数和新一届支委起源人选 ，对在换届选举历程中可能泛起的情形举行了展望和剖析 ，并确定x月26日至28日为全镇集中选举期 ，以点为单位凭证先易后难原则确定各村选举日。
,av久1在线,女孩一级片二级片三级片视频播放,色哟哟网站入口在线观看视频。??02月03日,首届青少年三大球运动会将于11月举行 运动会主标识在京发布,
这是一条金色的兽腿 ，绚烂生辉 ，粗大有力 ，跟神兽一样平常 ，即便死去 ，也有一种恐怖的威势 ，流淌着一种黄金光线 ，令人心生敬畏。
,黄p网站免费看,麻豆国产精品,91精品人妻综合导航。责编：金泰希
审核：焦佑钧
责编：沈之沛
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
