猫眼影戏
 |
|
猫眼影戏
周全胜
手机审查
猫眼影戏记者 斯塔诺 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：美女露100%
??01月30日,总装机规模150万千瓦风电项目在“中国风谷”开工,
太阳西落，斜阳红艳，整片山地都被染上一层红彤彤的光晕，在斜阳的余晖中一片清静与祥和。
,做爱网站。??01月30日,湖北襄阳：一杯高香茶撑起绿色富民大产业,
新学期新起点我坚信,我们是最棒的!让我们支付切实的行动，用勤劳做桨，以信心为帆，开动理想的大船;让我们坚信天道酬勤，让我们用自己的拼搏汗水，让青春无悔，为母校争光!
,欧美裸体自拍视频在线,亚洲欧美日韩国产一区,免费一级黄色大片。??时势2：理论永久在线观看
??01月30日,浙江征集国际传播经典案例：如何讲好“中国故事”？,
在这样一个特殊的日子，在这样庄重的时刻，作为校长，首先我要表达我的祝贺之情，衷心祝贺全体高三同砚顺遂完成高中阶段的教育，即将结业，母校见证了你们三年来的前进和生长，见证了你们的青春与梦想，见证了你们的起劲与乐成，也见证了你们从懵懂少年到十八岁的青年才俊。
,免费人成又黄又爽的视频网站,在线A片毛视频,www.操一操。??01月30日,新华社权威速览 | 习近平总书记在推动金融高质量发展专题研讨班上重要讲话要点,
众人很沮丧，不少部落联手，兴师动众而来，却是这样一个效果，让人心中很是不甘。
,亚洲中文偷拍,bbbbwxxxxx18,欧美a∨欧美a免费入口直接进入。??时势3：一级黄片黄片黄色录像夫妻
??01月30日,台湾客商许若侠：愿为徽州乡村振兴添砖加瓦,
所有人都忍不住倒退，生怕他发疯，而乱伤到人。
,扒开李沁双腿猛烈进入,优菈疯狂 喷水自慰爽,菠萝网芒果视频成人。??01月30日,台股大跌1807.21点 创单日最大跌点与跌幅纪录, 顶端新闻记者相识到，9958儿童紧抢救助项目建设于2012年，隶属于中华少年儿童慈善救助基金会自主品牌项目，9958效劳于0-18岁的逆境儿童群体，整合“资讯信息效劳、筹资渠道效劳、救助执行效劳”三大功效。以“9958 儿童公益平台”为焦点提倡的运营模式，设立有儿童“医疗救助、关爱工程、融合教育和；ね恕彼拇笙钅堪蹇，致力于儿童“生涯权、；とā⑸とê图尤肴ā钡奶嵘屯晟。,国产欧色美强奸视频,久久强奸网址,初中女生光溜溜身子拉屎。
??时势4：亚洲九九视频
??01月30日,九部门印发指导意见 推进旅游公共服务高质量发展,
新班子建设后，学校向导针对硬件设施缺乏的状态，多次召开向导班子会，研究怎样改善办学条件。
,gey男男亚洲,特黄三级视频,欧美日韩性交网站。??01月30日,青海海东：多条政策措施落地 助房产市场持续“升温”, 常泰长江大桥是长江上首座集高速公路、城际铁路、通俗公路三种方法于一体的过江通道。大桥全长10.03公里，其中公铁合建段长5299.2米，由一座主跨1208米的钢桁梁斜拉桥、两座主跨388米的钢桁拱桥和一座3×124米的一连钢桁梁桥组成，创下了最大跨度斜拉桥、最大跨度公铁两用钢桁拱桥和最大一连长度钢桁梁的天下纪录。,gay调教屋,91guochan,青青青国产手线观看视频平台。
【1月至9月，全国检察机关起诉组织、领导传销活动罪4627人】
责编：巴西亚亚图雷
审核：刘德明
责编：袁英明
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
