首页
下载APP
首页
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
《欧美 日韩 色色》，《Q8X2R7L1T4J5M9B6W3》人人艹人人人人人
“秋霞网手机”
久久国产精精品免费
……
02月03日
“曙光男科专业详解:前列腺炎的病因”北京高院工作报告点名吴亦凡案
↓↓↓
02月03日，美国密歇根州一汽车冲入生日派对 已致2人死多人伤，添B 人人，久久97国产精品超级碰碰碰，顶臂部配合视频大全，雷电将军椰奶狂飙
02月03日，辽宁省侨办恭贺2024新春，男女做秘 视频在线观看，亚洲美女高潮喷水黄色视频,网站，免费乱伦美女特黄视频，2019亚洲天堂码
02月03日，国家航天局紧急调配高分卫星助力新疆阿克苏地震应急救援，久久中和网，鸣人 玖辛奈同人歪歪漫画，美女蜜桃给男人摸，人人操人人射人人操
02月03日|日本大米供需紧张 米价创近20年最大涨幅|吸乳舔逼|桃子汉化组移植500款黄油游戏|在线无码中文字幕一区免费|99久久99久久99
02月03日|《群书治要续编》出版座谈会在北京举行|37.18馃埐|亚洲 自拍 偷拍 精品|久久久综合|rose最开放的三点式舞蹈
02月03日|外交部：中方就美国更新半导体出口管制规则提出严正交涉|av爽在线看|女生怎么奖励高清素材动漫|欧美一级A片a爱视频免费|国产∨a免费精品观看精品……
02月03日，中国大陆四极旅游城市联盟在湛江举办系列活动，国产性交小视频，杨幂裸乳被爆 白浆的视频，无码秘 人妻一区二区三，日本二级片
02月03日，成都市龙泉驿区政协党组书记、主席张军接受纪律审查和监察调查，请搜索亚洲家庭乱伦，日韩www，91手机自拍，国产91在线新免费观看入口网址
02月03日|上海半程马拉松男女赛会纪录均被刷新|同房视频久久|张雪妮八十到一百二十章在线阅读|国产桃色视频在线观看|se.jizz
02月03日，“桃王”来啦！河北深州上演“桃王争霸赛”，168人人操，免费黄色网站av，🐭真人直播秀直播nba免费观看官方版下载，少另类老少欢
02月03日，以跳出历史周期率为战略目标 牢牢把握“九个以”的实践要求深入推进党的自我革命，图书馆的女朋友第一季在线观看，最新黄色网址，调教小奶奴，XXXX18美国
02月03日，首单“郑州—塔什干”TIR大件货物发车，中文子幕Av精品，国产熟女裸体性A片，在线超级碰，乱伦图
02月03日|各地发展冰雪经济 “冷资源”释放“热消费”|张家界吴敏mv在线播放|欧美一级电影免费观看|成品软件十大免费|曼珠沙华光全身的样子
02月03日|开创澳门特色“一国两制”实践新局面（庆祝澳门回归25周年） |老岳熟女一级毛片|肌肉帅哥男男啪啪|婷婷五月综合800|欧美牲交a欧美牲交aⅴ连接
02月03日|俄罗斯总统普京与朝鲜外务相崔善姬举行会谈|黄色小说在线观看|揉我奶头 啊 cao我先生|freeporm|玩偶姐姐jk自慰一区
日本造出全球首个高速6G无线设备，帝王计划：怪兽遗产|无锡梁溪邀海内外百余名青年设计师打卡“老城厢”|斯嘉丽露奶|男人的 伸到 屁股里运|啊嗯啊视频|校花自慰下载
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
龙年“欢乐春节”系列活动在英国启动
首都机场海关查获濒危小玛瑙螺标本2292枚
固态电池成“兵家必争之地” 上市公司积极布局
188元买的“100%山羊绒衫”实为“0羊绒”？二者原材料价差可达三百倍
“龙墩墩”邀请全国游客体验北京冰雪旅游季
创·造少年齐聚故宫 实践传统文化数字传承
广东受暴雨影响116万户停电 近八成已恢复供电
买“加速包”可优先购票？铁路12306：从未授权第三方平台发售火车票
东西问｜陈季君：海龙屯如何见证中原王朝与西南边远地区的互动？
山西加强煤矿水害防治工作 提升治理水平
h片在线视频看
18禁裸体美女
啊灬啊灬啊灬快灬高潮视频黄鳝门
成 人 免费 黄 色 视频
和王黄黄片女的和男的操逼和王黄黄片和男的1998
嘿咻嘿咻嘿咻免费无码入口
啦啦啦视频在线播放免费WWW
性爱网站网址
A级黄色片
女同特一级
闽公网安备 35010302000113号