猫眼影戏
 |
|
猫眼影戏
沃兹尼亚
手机审查
猫眼影戏记者 王汉铭 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：欧美视频专区一
??02月04日,营养、风味双提升 研究揭示木薯叶在功能食品领域的潜力, 穆勒纳尔体现：“我们的军队已经榨取使用这些电池，领土清静部也应该这样做。”早在去年12月，美国会参众两院通过的2024财年国防授权法案中明确，将榨取美国国防部采购上述六家中国电池公司生产的电池。这项法案已由美国总统拜登在当月签署，将于2027年10月起生效。,摸BBB揉BBB添BBB。
??02月04日,（两会声音）中国大洋科考首位女首席科学家：加强自主创新 助力海洋强国,
纷歧样的精彩！
,欧美性啪啪,欧美精品AAAAAAAAA片肉家,小 戳进 无遮挡明星。??时势2：Porno 31
??02月04日,内蒙古达里湖上演车王争霸 数百辆越野车冰面画“龍”,
这一效果看的石云峰目瞪口呆，不是不知道小家伙资质惊人，可是却再一次被震撼了。
,久久综合网88,黄色视频免费播放网站,粗大猛进高潮在线观看。??02月04日,放下压力，国足今晚拼了,
孩子们立誓，声音稚嫩，让一群大人都很欠好受，倍感自责。
,抓住貂蝉的两个大球球主题曲,双性人妖互交3D动漫网站,深夜色网址大全。??时势3：穼祖英做爰未删减版
??02月04日,中国“神箭”即将启程 全系统合练为成功发射“保驾护航”,
这头高峻的独角兽暴叫如雷，一直挣扎，可是在小不点的巨力下，它所谓的神力差的太远了，难以挣脱。
,免费观看操B视频,天堂男人视频在线天堂,十八禁 色。??02月04日,韩国国会议长：进入国会本部的士兵已全部离开,
二要深入实验民生工程。 民生连着民心，民生凝聚民心。我们要凭证 “ 实事求是、起劲而为，提标扩面、增项并轨，建章立制、长效常态 ” 的要求，深入实验省、市确定的民生工程，坚持抓好为民办实事项目。要以群众需求为导向，把有限的人力、物力、财力投入到解决群众反应最强烈、最迫切的问题上，让群众共享刷新生长效果。要加大宣传力度，弄懂吃透上级精神，接纳有针对性的宣传步伐，切实提高宽大群众对民生工程的知晓率和知足度。要尊重民意民愿，准确指导村民施展监视作用，将群众的意见建议实时向实验部分和单位反响，确保民生工程施展现实作用，真正成为民心工程、德政工程。要增强建后管养，推动项目康健长效运行。要深入开展结对帮扶走亲戚活动，特殊关注农村难题家庭、残疾村民以及涉征群众的生爆发涯，着力资助他们解决现实难题。
,www.850pp com,欧美一级A片不卡免费观看,欧美新爱视频在线播放。??时势4：黄色片在线观看 无码高清在线喷水
??02月04日,香港特区政府与中国科学技术协会签署合作框架协议,
最后，再次祝苏氏企业全体职员及其家人春节快乐!猪年大吉!身体康健!事情顺遂!万事如意!幸福安康!
,天堂网AV美女,91免费看女生裸妆视频的app,8um:/_NjE5Y2I0YTFlMGY5YmI0OTJiNmIzNmYyXzI0MDg6ODQ2NDphZjAwOjE0NDc6MzRjOD。??02月04日,四川古蔺初雪如约而至 冬日美景如画, 今天（6月13日），华北平原等地高温仍处于壮盛状态，河北中南部、山工具北部、河南中北部可能泛起成片40℃，部分地区最高可能有43℃甚至44℃，可能靠近或突破6月最高纪录甚至视察史纪录。,亚洲国产aⅴ精品一区不卡,黄色永久网站,一区二区三区久久久久。
【专家呼吁：科学做好月经调控】
责编：许光建
审核：特尔佳
责编：斯坦
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
