猫眼影戏
 |
|
猫眼影戏
包茂
手机审查
猫眼影戏记者 陈先梅 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：伊人青草久章草AV电影
??01月30日,大兴机场口岸出入境人员数量突破400万人次,
石村众人眼中喷火，恼怒到极致，那可照旧一个孩子，小不点通常间灵巧可爱，对方居然连一个幼童都要下辣手，怒不可遏。
,国内自拍视频在线观看2021。??01月30日,京杭大运河首批新能源智能商品船在山东邹城下水,
近年来，我镇精神文明建设取得显著效果，但也保存不少问题，一些村的黄赌征象时有爆发。在民主与法制建设方面，保存一些薄弱环节，社会治安尚不尽人意，有的村干部民主意识不浓，法制看法淡漠，因而严重挫伤了群众的起劲性，影响了党群干群关系。要彻底改变这一状态，必需增强对村干部的教育培训，增强政策法制教育，周全明确体会各项目的政策和执法要求，进一步增强执行政策和执法的自觉性和严肃性，从而施展村居干部的模范带举措用，增进社会民俗的好转，为我镇的刷新和生长创立优异的情形。
,国产精品精品视频,免费看黄的网站免费看,91com三级黄色永久免费。??时势2：91熟妇自拍
??01月30日,藏族导演万玛才旦遗作《雪豹》获亚洲电影大奖,
“呀，爆发了什么？”正在树下跟三头幼鸟玩耍的小不点仰面，露出受惊的神色。
,一级毛片一级毛片一级毛片一级,性无码网址大全,91性交网站。??01月30日,上海：大学生“临终关怀”志愿服务 感知生命初衷,
“他们也能进来，并且有许多人？”小不点讶异。
,一个人看的污污污中文视频网站,婷婷五月天激情网站,丝袜 制服 无码中文字幕。??时势3：99re视频这里只有精品精
??01月30日,众行致远 |“中国在亚太经合组织中发挥重要作用”,
最最少，在这个年岁段，小不点的肉身之力早已逾越蛟鹏这等天才一大截，称得上天纵之资！
,午夜欧美888,国产真实口爆吞精,最讨厌的义父夜袭了哪一集。??01月30日,尤伯杯羽毛球团体赛半决赛：中国队胜日本队,
人人事事保清静，重视清静宣传、教育和培训。只有把职工的清静意识提高了，清静手艺能力提高了，才华在生产劳动历程中自觉遵守劳动纪律和清静操作规程。从“要我清静”转向“我要清静”、“我应清静”、“我能清静”、“我懂清静”，这是清静意识的奔腾，这种奔腾只有通过经常的重复的清静再教育。
,人人射人人看性爱视频,91免费偷拍视频网站,久久精品国产99国产精人妖。??时势4：久久婷五月天
??01月30日,“五一”假期山东旅游市场火热 “松弛感”“反向游”成新潮流,
石昊不甘示弱，最先还击，人虽然很小，可是每一次跃起，都有数米高，扑击过来，如一头幼鹏展翅！
,国产Av特级毛片,3d同人动漫专区,青春草在线视频。??01月30日,国家统计局：2023年农民工月均收入水平4780元,
“清静”是态度、是能力、是责任。“清静”对我们每一小我私家都是一律的，只要我们具备准确的清静态度、较高的清静能力和强烈的清静责任，时时刻刻在我们一样平常事情中以清静为先，遵章守纪，杜绝“三违”征象，那么，我们的生命就有包管，我们的家庭就会幸福，陇电各人庭的清静生产协调与生长就有坚实的基础。
,Aⅴ片免费观看,五十六十熟妇性视频,国产黄在观线免费。【“与辉同行”主播文案被控抄袭 问题来了：视频文案有版权吗？苏轼主题文物展向公众开放 “宋四家”书法真迹共同展出】
责编：沙坡头
审核：尼木
责编：索朗平措
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
