猫眼影戏
 |
|
猫眼影戏
曹强
手机审查
猫眼影戏记者 侯俊卿 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：日韩国产中文字幕
??02月02日,冰岛一火山喷发 熔岩流入附近小镇,
为了配合把我们的培训班办妥，使各人在有限的时间内掌握较为富厚的内容，真正学有所获，回去以后学有所用 。我希望列位授课先生要吃透两头，既能吃透上情，深刻体会本次培训的中心头脑，又能吃透下情，细密连系东城农村经济和社会生长的现实，全心备课，认真授课，力争把每节课都讲得十分精彩，讲得差别凡响 。与此同时，我向同志们提几点详细要求：
,欧美ww一区二区老妇与小伙 。??02月02日,北京师范大学与南洋艺术学院举办师生作品联展,
同志们，回首已往，我们战胜了无数艰难险阻，从悲壮走向豪爽 。面临新的使命，我们责任重大、使命庆幸 。在市委、市政府的顽强向导下，我们一定要进一步振奋精神，与时俱进，为率先转型品质塑造科学生长而不懈斗争!
,少萝宝宝吃大狙免费观看,操人摸操人操,🏄乐发VIII下载安装 。??时势2：国产精品视频色拍拍拍
??02月02日,国台办：不论叫“小凤梨”还是叫“小当归” 都是咱们中国人自家的孩子,
尊重的列位先生、亲爱的初三年级全体同砚：
,休内谢精一汇编五内容概括,日韩中文字幕一区二区,人人操碰人人操 。??02月02日,2023年我国发明专利产业化率为39.6%！连续五年稳步提高,
调动一切起劲因素，构建协调文明的校园情形是一个永恒的主题 。我始终以为，生长必需坚持品牌之路，坚持走刷新之路，其他任何一条蹊径都是行欠亨的，我们必需始终坚持“追求卓越，不怕难题，敢于立异”的 。在现阶段，学校要实现新的跨越，实现教育教学刷新向纵深推进，实现教育教学质量大幅度提高，我们的事情必需有新创立、新突破，我们必需让校园焕发出生命的活力，把“根植农村生长学生生长西席”的办学理念和战略真正落到实处 。我们要建设协调校园，就是要在实现人和人的协调，人与情形的协调，组织对小我私家，要做到公正办事、公正待人，事情上严酷要求，生涯上多加体贴;小我私家对组织要多看一点阵势，多做一点孝顺，多讲一点听从;小我私家与小我私家之间，要多一点尊重，多一点宽容，多一点爱心;小我私家对自己，要多一点自律，多一点自省，多一点 。起劲形私见贤思齐、团结协调、共促生长的优异气氛 。
,91国产精品,成年18禁网站免费,成人做爰黄级A片免费看土方 。??时势3：我爱熟女视频
??02月02日,摊贩没钱交罚款被城管要求去借钱？宁波官方通报：对执法人员不当言语表示歉意,
“要最先了吗？！”小不点凝思，严阵以待，防御这种精神攻击 。
,三级片论坛网站,欧美男男作爱GayWWW,国产色A∨在线看免费 。??02月02日,国台办：“九二共识”是两岸对话协商的共同政治基础,
“真的假的？他居然要泛起了，真是有些期待啊，很希望在补天阁、逐鹿书院中见到他，看一看究竟何等的不凡 。”
,一本熟女,欧美黄色一级网站啪啪啪,亚洲精品日韩久久久久 。??时势4：A片免费视频视频2021
??02月02日,浙江省政协十三届二次会议开幕,
“再来！”
,永久免费 看片视频教学,宁荣荣被c,wwwsesecom 。??02月02日,2024碳达峰碳中和论坛暨深圳国际低碳城论坛开幕,
红色穿过，火光滔天，连忙就有四五人被洞穿，此后直接化成了一片灰烬，死于横死 。
,日韩精品一级无码毛片免费视频,50,60,70老熟妇视频,91在线无码精品秘 国产三年 。【“五一”小县城旅游流量增幅跑赢大都市】
责编：童爱民
审核：萨利·奥斯曼
责编：祖马
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
