猫眼影戏
 |
|
猫眼影戏
蔡良火
手机审查
猫眼影戏记者 付斌 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：人人入人人干人人爱爱爱爱爱
??02月04日,因为这件事，美国公民自由联盟起诉美国政府,
他踩在瓦砾上，发出“喀嚓喀嚓”声，废墟重大而空旷，至于远山更是气焰磅礴，即便都被击断了，也让人以为巍峨而神圣。
,男生把困困放在女生困困视频高清。??02月04日,【小新的Vlog】“特种兵式”逛“博博会”：一日打卡400余家博物馆,
十五爷身边纵然能手如云，也挡不住，被追杀数十万里，更是被撕下一条手臂，全身骨头险些全断。
,成年人看视频,jiujiuren,好爽 要高潮了 再深点。??时势2：满18岁黄色网站在线观看
??02月04日,福建一公司操作无人机到金门散发传单 国台办：大陆网民自发行为,
“我们这一王脉，这一世可真是壮盛，英杰辈出，这个小工具也许不会比毅儿差几多，未来说未必可以镇压八荒，威慑各大种族。”一个年岁更大的老人启齿。
,最大的扔子,國模Av,性交黄色视频在线观看。??02月04日,以军参谋长称“深度打击”叙利亚 叙政府反应总体克制,
召开中国传媒大学第一次党代会，在我校党建生长史上具有主要意义，是学校政治生涯中的一件大事。我校党代会召开的时间起源定于5月下旬。要在两个多月的时间内完成党代会的准备事情，使命相当难题。为了高效率、高质量完成党代会的准备事情，在此，我代表学校党委给各人提三点要求：
,免费 成人 美女3D,欧美视频一区特级在线播放,新四影虎影。??时势3：色欲TV国产亜洲AV麻至ABA
??02月04日,武汉海关保障农食产品源源不断供应港澳市场,
石村外，那些山石、林木遭遇了杀绝性的攻击，地面都裂开了，这头凶蛟太重大，攻击力强盛到让人心颤。
,亚洲图片在线综合,黄色视频电影欧洲一区无码,嗯～啊～快点 死我蓝苺视频。??02月04日,北京青龙峡景区延迟开放,
而石昊却也已捉住时机，扑到了近前，愤声道：“你为什么这么犷悍，要射杀我阿福叔，还要抢我们得以生涯的猎物。”
,欧美AAA级片,国产乱人弄视频免费观看,天天看日本视频。??时势4：Gv被猛男伦流澡到高潮h - op2c.com
??02月04日,中美青年结束“山西行” 冀借交流共建“友谊之桥”, [环球时报特约记者 任重]英国政府外地时间13日以“攻击普京的战争机械”为由宣布50项新制裁，工具包括5家中国实体。中国驻英国使馆讲话人当天回应说，英国政府罔顾海内国际民意，一直推波助澜，不但没有反思自己的卑劣行径，反而罗织罪名制裁中国及其他国家企业，充分袒露了英方的虚伪嘴脸。中方鞭策英方连忙纠正过失，作废对中国企业的制裁。,亚洲人成无码网站久久99热国产,黑人与动物操比777,91在线精品亚洲一区二区。
??02月04日,今年退市第一股摘牌离场,
同砚们，你们知道眼睛有多主要吗?一定要 ；ず醚劬，做一个康健的人。
,亚洲精品国产综合久久一,男女无遮挡,国产污视频网站。【中国援尼泊尔医疗队：助当地医院填补多项腔镜手术空白】
责编：马鹦
审核：冷香
责编：柯大为
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
