猫眼影戏
 |
|
猫眼影戏
曾世湘
手机审查
猫眼影戏记者 朱镇模 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1：520886路com91
??02月02日,2024年“游购乡村”系列活动启动 文旅融合助力乡村振兴,
可是现在却被小不点两脚踏翻，踩在了脚底，这着实惊掉了一地下巴，这个看起来憨憨的孩子，竟然这般强盛？！
,色网大全。??02月02日,2023年度个税汇算3月1日开始,
大鼎上，螭龙、貔貅等远古凶兽栩栩如生，带着惨烈的气息，欲透过鼎壁扑出，令人灵魂悸动。
,黄色丝袜视频,日韩毛片电影网,国外性交网。??时势2：淫荡视频网页
??02月02日,拉萨哲蚌寺举行雪顿节展佛活动,
一是支持林业重点工程建设。我区是唯一被国家林业“六大生态治理工程”全笼罩的省区。以来，全区共落实中央和自治区林业专项和基本建设资金600多亿元，完成营造林面积5735万亩，年均建设面积1150万亩，占天下的十分之一强。同时，凭证自治区党委推进重点区域绿化事情的安排，20xx年以来，自治区本级财务每年安排近3亿元，专项用于重点区域绿化。阻止现在，连同社会投入累计筹措近700亿元，完成绿化面积848万亩，打造各级种种重点区域绿化树模项目442个。内蒙古是我国荒原化土地最为集中、危害最为严重、防治使命最为难题的省区之一，今年9月，全天下的眼光聚焦鄂尔多斯市，《联合国防治荒原化条约》第十三次缔约方大会在鄂尔多斯市召开。来自196个缔约方、20多个国际组织的20xx多人参会。汪洋副总理宣读了致大会高级别聚会的贺信并揭晓主旨演讲。他指出，经由几十年、几代人坚韧不拔的起劲，我们不但实现了从“沙进人退”到“沙退绿进”的转变，还培育出一大批各具特色的防沙治沙工业，荒原化地区的经济社会生长面目爆发了排山倒海的转变。据20xx年第七次森林资源清查效果显示，我区森林面积居天下第1位;人工林生涯面积居天下第2位;活立木蓄积量居天下第5位;森林覆被率21.03%，居天下第21位。据20xx年第五次荒原化和沙化土地监测效果，全区荒原化土地面积和沙化土地面积划分镌汰4300万亩和1800万亩。我区生态情形实现了“整体阻止，局部好转”的重大转变。
,熟交xxxxⅹ欧美老妇妇牲,一级少妇视频,丝袜 制服 无码中文字幕。??02月02日,暑热贯穿全天，小时候夏夜没现在这样热是错觉吗？,
先生们：
,国产精品美女妓女网站,97在线视频免费播放,欧美一级特黄大片真人真做久久。??时势3：欧美午夜熟女
??02月02日,上海市十六届人大二次会议开幕,
2.作育团队意识,学会做事与做人。俗话说”众人拾柴火焰高”,“团结出凝聚力，团结出战斗力，团结出佳绩”，“增强团队意识，学会相助，学会共处”是新世纪种种人才必备的素质。我们处在竞争与相助共生共存的时代，在强烈的竞争中，单枪匹马、孤军奋战很难有大的作为，学会相助，善于相助的人乐成的时机缘更大。近几年来我校素质教育屡或创佳绩，不是由于我们情形与装备等硬件上有优势，也不是由于我们单兵作战能力特殊强，而在于整个团队的受苦耐劳和团结协作精神。团队协作是我们在名校竞争中立于不败之地的法宝，我们应该鼎力大举弘扬!
,朱竹清被 到爽 高潮,八哥小说网优衣库,91精品无码一区二区三区。??02月02日,安理会表决通过呼吁在加沙停火的决议：哈马斯回应积极 以色列立场混乱,
消防清静指的是我们能规范的使用与电、火有关的物品，避免爆发意外和火灾，造成职员伤亡、工业损失。水火无情，一再爆发的大火不但仅殉国了许多人的幸福，并且也给国家带来了重大的经济损失。然而，在我们周围，随处都保存着潜在的火灾；，使我们的生命和工业时时处于火灾的威胁之中。
,免费无遮挡 酒店偷拍,茄子视频苏州晶体藏族红酒美食,好色精灵探访记在线观看。??时势4：国产精品第三页
??02月02日,广州市政协常委霍启文建议南沙建国际人才特区,
接待您加入嗨喽旅馆开业庆典!
,777美国A片,欧美久久77网,偷拍国内视频。??02月02日,国产大飞机C919商业首航重庆 执飞东航“沪渝快线”,
各人晚上好！
,亚洲色情淫导航,国产午夜精品鲁丝片,真人国产一级A片。责编：钟鑫冽
审核：吴玉芳
责编：崔允喜
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
