猫眼影戏
 |
|
猫眼影戏
张添佑
手机审查
猫眼影戏记者 刘士永 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：男女差差差差差差
??01月31日,接力护绿41年——探访亚洲最大白梭梭林保护区,
一年来，*集团起劲推进品牌建设，开展企业形象和品牌撒播，启动体育营销，正式成为国家篮球队唯一指定，并陆续在天下20多个重点都会举行篮球争霸赛、篮球废物选拔赛等相关活动。籍珠江降生10周年的时机，我们与中国酿酒工业协会配合举行了“中国行业自主立异国际岑岭论坛暨中国十周年庆典”，中央和地方媒体举行了周全深入的报道，进一步确立了珠江在中国行业“第一”的职位,提升了着名度和美誉度。
,欧美色图 亚洲图片。??01月31日,（八闽千姿）闽台客家同打一套拳,
4、易犯种种初级过失。如产品设计元件选择过失、工艺尺寸标错、装配缺件、标识不全或者贴倒了等等，反应出员工责任心不强，事情不认真，保存应付差事的头脑。
,97人人干人操,亚洲国产欧美另类视频,沈悦大团圆结局。??时势2：99re这里有精品视频
??01月31日,【东西问·中外对话】从长城到武术，丘索维金娜讲述自己如何“迷上”中国文化,
村人对柳树敬畏无比，发自至心的祭拜，是它守护住了石村，每一小我私家都在口中称其为柳神，在这里虔敬祈祷。
,国外玩小稚女5～8,重口黄暴玩烂h拳交男男,免费性爱黄色视频。??01月31日,浙江八旬农技人的30年：与茶为伴 让“绿叶”变“金叶”,
“大壮，转头赶忙我给驯服了，让你老子也骑两天，不然转头我扒你一层皮。”石大壮的父亲愤愤的说道。
,熟女艹子国产,国产特黄无码免费视频,欧美aaabbb。??时势3：精品国产免费黄片
??01月31日,海内外跑酷达人湖南张家界“天梯”炫技,
在地平线上，一头重大的身影正在远去，别的尚有一些骑着猛兽的人，手持血淋淋的利刃，正在退却，隔着这么远都能让人感受到浓重的戾气。
,97在线视频免费人妻,纲手给雏田自慰喷水,A片黄视频免费观看。??01月31日,习言道｜人民政协要发扬优良传统,
第一，搞好县委换届，是增强党的执政能力建设的需要。在我国的政治框架中，党委、人大、政府、政协各有其职能，这是党执政形式的体现，最终统一于党的向导。中共县委就是县各项事业的向导焦点，新一届县委班子执政能力的强弱，事关全县经济社会的稳固和生长，事关的前途和未来。而这次换届，是对党的xx届四中全会《决议》精神的贯彻落实，在镌汰副书记职数、适当扩大党政成员交织任职上有实质性希望，有利于完善县委的向导体制和事情机制，充分验展县委会的整体向导作用;在优化县委班子的知识、专业和年岁上有新的要求，有利于进一步增强班子的整体功效;在把扩大党内民主贯串于换届的全历程上有新的行动，有利于进一步提高县委班子的凝聚力和战斗力。因此，只要我们严酷凭证中央以及省委、市委的要求，搞好换届，必将进一步提高县委班子贯彻落实科学生长观的能力、驾驭全局的能力、处置惩罚利益关系的能力和务实立异的能力。
,老外一级婬片A片AAA毛片,田小玟同人18 羞羞,992KP搜不到我吃不敢笑,因为是片。??时势4：欧美黑人精品专区
??01月31日,北京推动中医药走向世界 支持海外开设中医医疗机构,
小不点也垂泪，最终拉起这个孩子，小声的嘱咐了他一番，此后离去。
,18 免费游戏,珍妮撕开内衣 吸奶头,色一区二区三区 色哟哟。??01月31日,南方大范围高温持续至月底 北方降雨东移至华北黄淮等地,
小不点自动脱手，攻向蛟鹏！
,18岁以禁止观看的网站,视频网站A片,w永久w75乳液真的不错。责编：仁里-谐里
审核：姚晓乐
责编：黄丽丽
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
