猫眼影戏
 |
|
猫眼影戏
张晓敏
手机审查
猫眼影戏记者 梁勇贞 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：贵妃网0202理论片
??02月03日,COP29重点将推动中方提供更多气候资金？中国外交部回应,
其他人闻听马上一怔，一只通俗的小山兽怎么能遭受的了远古遗种的精气神，必定会被攻击地死掉。
,白鹿自带套ai。??02月03日,斯洛伐克国家交响乐团奏响南昌,
培训讲座上，王司理通过真实的ppt课件与精彩的演讲，让员工真真切切去感受其潜在的危害。同时，王司理又加以详细解说，见告各个意外情形下所要接纳的响应步伐，让各人学会在一样平常事情与生涯中逐渐提高清静意识，奏响生命的清静之歌。最后，王司理要求各人：为自己认真，为他人认真，关爱生命，请给生命加一道清静防地。
,青色大脑1.0.4.5安装包,国厂精品一区XXX,殴美一级黄片。??时势2：sooo路t'v
??02月03日,外交部驻港公署特派员崔建春会见香港英商会新任主席谢尔顿和会长麦冠明,
(二)增强对村级干部培训，是提高农民组织化、农村制度化的必定要求
,免费播放av网站的地址,性激烈的欧美三级视频,一级视频免费无码。??02月03日,加拿大“石油城”的国际中文日：“学中文，有用”,
第二，请你做到，对自己认真!作为一个小学生，我们有自己的行为规范，我们有自己的`品德要求，请你以此为标准要求自己。让“讲文明、讲卫生、守纪律、尊尊长”成为你的生涯习惯，让准时完成学习使命成为你的学习习惯，当你发明你做到了”对自己认真”这五个的时间，你一定会感受到格外的轻松!
,亚洲色欧美色先锋影音,喜欢被多个男人咬奶头正常吗,让岳怀孕一区二区三区电影。??时势3：美女裸体亚洲国产无遮挡在线网站
??02月03日,中国海上首个多层稠油热采开发项目投产,
此时现在，他们只想迅速返回，早点脱离这充满魔性的原始山脉，唯恐再遭变故。
,小 戳进 无遮挡网站免费,永久免费观看A级在线观看,免费A级不卡在线毛片。??02月03日,【巴黎奥运会】中国体育代表团：应对个别出现失误运动员给予理解,
今天给我们向导消防知识和指导演练的守卫处同志消防清静履历都十分富厚，以是我希望各人认真谛听守卫处同志关于消防知识的讲座，认真观摩和加入消防演练，务求实效！
,AA片网站,亚洲小说图,日向花火本子羞羞。??时势4：亚洲AV无码秘蜜桃蘑菇
??02月03日,一些年轻人缴存个人养老金积极性为何不高？,
四个玉罐看着很小，可是入手很重，内部装着差别颜色的宝血，极其珍贵，血脉力险些等若远古遗种，无价之宝。
,sprunkl梦女,欧美偷拍视频网站一区二区,色噜噜大狠狠a。??02月03日,创·造少年齐聚故宫 实践传统文化数字传承,
4、增强应知应会清静知识的学习，增强步伐的体例，提高手艺职员的事情责任心，做到干部不违章指挥、工人不违章作业。把“三工”排查落实到每一小我私家，真正使职工“三违”行为显着镌汰，生产事故显着降低，职工手艺显着提升。
,操人视频高潮,不卡视频在线一区二区,国产黄色片久久网站。责编：松云凤
审核：许伍吉
责编：赛琳娜戈梅兹
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
