猫眼影戏
 |
|
猫眼影戏
解鸿震
手机审查
猫眼影戏记者 周楚楚 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：acfan 黄动漫网站
??01月31日,习近平在秘鲁媒体发表署名文章,
长大了就知道分享了。效果好了 ，我们会和家人分享乐成的喜悦 ；当我们获得一个好玩具时 ，我们会和同砚分享优美的时刻。当我们有一本好书时 ，我们会和朋侪分享其中的知识。当一种快乐与别人分享时 ，一种快乐就酿成了两种 ，以是当我们快乐的时间 ，我们会给身边的每小我私家一个微笑。
,亚洲成人片。??01月31日,李家超：惠港措施为香港经济带来新增长点,
石子陵举矛 ，还能说什么？唯有一战 ，黄金战矛周围泛起一个又一个神符 ，如金属铸成 ，有一种酷寒的质感 ，围绕战矛 ，透发着无以伦比的神威。
,9幺黄拔萝卜,久久久国产视频网站,欧美三级片在线免费观看。??时势2：不卡黄色网站av一级com
??01月31日,（国际观察）斯塔默执政“蜜月期”的紧迫挑战,
尊重的宗总司理、潘先生、柏处长、王行长 ，尊重的刘市长 ，尊重的列位向导、列位来宾 ，同志们、朋侪们：
,黄片AV中国字幕,韩国一级毛片无码免费看,免费 成人 美女3D。??01月31日,云南镇雄山体滑坡搜救出11人已无生命体征 专家初步研判崩塌过程,
女士们、先生们、朋侪们：鹰击长空 ，鱼翔浅底。问渺茫大地 ，谁主沉浮?君不见那迎客松正招手广迎天下商;君不见那莲花峰上黄山酒业人精神高昂;君不见那云海雾中欢呼声嘹亮;君不见那名泉水正汩汩流淌 ，诉说着黄山酒业文明历史源远流长新世纪 ，让我们配合起劲!我们黄山酒业人有信心团结社会各界人士创立属于黄山酒的绚烂与共赢!
,色欲TV国产亜洲AV麻至ABA,179902,钢手火影,91人妻人人爽91专区。??时势3：国产成年人免费网站
??01月31日,黄河壶口瀑布现金流飞瀑景观,
“不管怎样说 ，适才谁人孩子很不简朴 ，我以为我不脱手 ，被逐鹿书院的人发明 ，一定会抢回去 ，若是那样的话 ，补天阁会后悔的。”白衣女子道 ，他们寻找远古遗种五色神卵 ，只是顺路而为之 ，并非此行的最终目的。
,白白色发布视频,美女给男人吃私人部位app,黄网你懂得。??01月31日,财政部：今年将用好国债资金，适当增加中央预算内投资规模,
“青鳞鹰大婶应该没事了吧？服用了族长爷爷的药散 ，尚有离火牛魔的宝角真血 ，一定可以彻底恢复过来。”小不点体贴的问道 ，这两天他在洗礼 ，不知道青鳞鹰的状态怎样了。
,五十六十路亲近相尾视频,夏日闷骚少年骇客漫画,国产高中生三级在线观看。??时势4：美女被操在线观看的网站
??01月31日,著名作曲家黄准逝世 曾为《红色娘子军》写就经典旋律,
众人明确 ，这一定就是周遭五万里内最强盛的那头祭灵！
,9999视频精品全部免费,成人 高潮片免费樱桃视频,手机看一区二区黄色视频。??01月31日,特朗普称若当选将对中国产品加征关税 中方回应,
“哈哈 ，它哪天不闯一再祸 ，真不知道它怎么会这样能吃 ，小肚子就像无底洞般。”
,人插人人操人,爱搞在线,欧美精品免费在线。【【理响中国】加快农业农村现代化】
责编：郝平
审核：白秀珠
责编：格雷厄姆·考尔德
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
