猫眼影戏
 |
|
猫眼影戏
郭显祥
手机审查
猫眼影戏记者 艾尼瓦尔·阿 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：林佩佩小志
??01月30日,突破500万人次！深圳机场口岸通关总量再创新高, #北京警方转达3号线地铁施工坍塌事故#[#北京地铁施工坍塌事故4人被刑拘#]此前，北京宣布一起地铁电力改移工程施工现场爆发的坍塌事故。6月11日，记者从北京公交警方获悉，4名事故相关责任人克日已被刑拘。,欲香欲色综合网天天涩综合。
??01月30日,吉尔吉斯斯坦外交部：与塔吉克斯坦的边界划定工作已完成九成,
最后，我要强调的是快乐是辛勤汗水耕作的甜蜜效果，快乐离不开你的勤劳。祝愿所有同砚在本学年里能专心地把自己打造成一个快乐的小学生，让我们的班级充满快乐因子，让我们的校园洋溢协调气氛，让我们在快乐中一直生长!
,性色AV网站在线观看,鸭子TV蘑菇,胸像照片真人。??时势2：色盈盈免费一区二区三区
??01月30日,22万种中外图书将亮相第三十届北京国际图书博览会,
名山秀水出琼浆，黄山景物和琼浆曾熏陶了古今中外几多人。曾几何时，青莲居士得佳酿流连忘返，万历天子品琼浆龙颜大悦。现现在，黄山酒经岁月陈酿，耐久弥香。
,操逼视频性爱视频免费网站,日本黄色大码视频在线看片,免费观看做的爱A片高清。??01月30日,形态各异的“树状”冰花现身新疆蝶湖,
二是学习实践活动取得新效果。组织召开了全系统学习实践科学生长观活动总结大会暨全系统座谈会。
,黄色永久免费观看视频网站,男被 c 黄扒衣服做小电影,最新国产在线91精品麻豆。??时势3：欧美第一页第二页
??01月30日,北京将加强科技创新和产业创新协同 发展新质生产力,
同志们，学院的事情正在稳步推进，事情也很是忙碌，这次使用周末休息时间集中在一起开教学事情聚会，应该说是有着主要意义的。各人使用这次时机，举行认真的钻研和总结，相互交流，学习，找出问题息争决问题的步伐，提出了许多好的意见和建议。这有助于学院总体的事业生长，也有助于党委的最终决议，我代表院党委向各人体现谢谢!
,工口.18,午夜欧美一级直播,黄色视频三A免费。??01月30日,图览丨秘鲁流行语与中国有关？太平洋彼岸的这个港口不一般 ,
一群孩子哇哇大叫，在绿草如茵的漂亮湖岸上奔驰，探讨着怎样钓龙须鱼，用以来强壮筋骨，他们越来越盼愿实力了。
,美女被强奸网站18禁黄色网站,18岁禁黄色网站免费看,日韩 欧美 综合。??时势4：久久免费看少妇AV高潮毛片
??01月30日,4月亚洲制造业PMI为51.5% 延续温和复苏趋势,
“风正风浓?争上争先?学优品优?成人成才”
,av一级后入,数学老师穿蕾丝吊带,尤物欧美一区二区在线视频。??01月30日,上海两会观察：如何激活民营总部经济发展？,
上学年，共有38名学生获得潍坊学院“三勤学生”声誉称呼;2名同砚荣获潍坊学院“优异团干部”声誉称呼;10名同砚荣获潍坊学院“优异学生干部”声誉称呼;4名同砚荣获潍坊学院“学习尖兵”声誉称呼;4名同砚荣获潍坊学院“文明学子”声誉称呼;23名同砚荣获“优异团员”声誉称呼。
,男女做秘 视频在线观看,不卡顿的毛片视频,国产性交AV。责编：叶文振
审核：李延霞
责编：巴斯卡尔
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
