猫眼影戏
 |
|
猫眼影戏
闫硕
手机审查
猫眼影戏记者 王革 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Γ媚Ｗ釉诵懈峥臁
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：男人的天堂官网
??02月03日,贵州普定穿洞遗址人类活动史推至5.5万年前,
(二)生长经济有本事。就是要具有较高的文化素养，有一定的市场经济知识、农村适用手艺知识和谋划治理能力，生长农村经济的思绪清晰，敢于和善于向导群众闯市场，做生长经济的精明人，做群众脱贫致富的领路人。我们说农村下层党组织要把加速生长作为第一职责，就是要做到“寻找致富蹊径，提高致富本事，生长致富工业，提供工业效劳”。寻找致富蹊径，就是要凭证农村现实，起劲指导群众依托外地自然资源，生长优势工业、特色工业，寻找致富的路子，致富的项目，确定适合每个农户详细情形的致富工业。提高致富本事，就是在致富工业或项目确定之后，有针对性地举行适用手艺培训，起劲资助群众学习掌握生长工业的相关知识和手艺，提高群众生长工业的本事。生长致富工业，就是充分验展强人的作用，把农民群众组织起来，调解工业结构，集中生长适合镇情、村情的支柱工业，扩大工业规模，形陋习模效应，品牌效应，辐射发动群众配合致富。提供工业效劳，通过组建专业经济相助社等有用形式，把农民组织起来，资助农民解决生长工业中遇到的种种问题。这些就是目今我们的主要职责，也是主要使命。
,干逼射精视频欧美。??02月03日,美媒：移民危机正在刺破美国“自由主义”道德言论的泡沫,
两者遭遇，爆发出了赤、蓝两色神光，惊起滔天骇浪，席卷了这片天地，宛若火山喷涌，高山崩塌，强烈颤抖。
,粗大猛进高潮在线观看,中文字幕在线观看第二页,免费无码黄网站在线观看下载。??时势2：秋霞在线视频
??02月03日,北方地区有较强降水过程 四川盆地江汉等地持续高温天气,
??02月03日,暑期消费叠加“奥运效应” “奥运经济”激发多个行业消费活力,
“毛球，不要瞎搅！”小不点大叫，策马追赶。
,一级婬片A片AAA免费,美女扒开尿孔,91在线精品视频电线。??时势3：小黄书又黄又肉又高潮
??02月03日,浙江国际智慧交通产业博览会：低空经济展品受关注,
总之，我院20xx级新生军训事情总体上取得了优异的效果。希望再接再厉在以后的学习生涯中再创佳绩。
,1042基地高清国语版下载,久久资源视频,A片AAAA黄片。??02月03日,中国驻欧盟使团团长会见欧盟中东和平进程特别代表,
“那是一些什么样的生灵 ？”小不点好奇。
,欧美激情欧美激情在线,欧美在线爆足视频,色哟哟免费观看。??时势4：操人成年视频网站
??02月03日,律师解读仙剑四番位之争：双方合同均有效, “欧洲和美国太远，本钱太高；去日本、韩国和泰国不可给我远程旅行的感受。因此，我选择了迪拜。”据孙凯尔所说，他最初同样被中东的低本钱所吸引：黄金周时代，从上海到迪拜的往返机票只花了约莫3700元人民币，约莫是巴黎往返机票价钱的四分之一。,人人干人人插人人操人人干,2b尼尔触摸模拟器,性❌❌❌无尽❌❌❌91。
??02月03日,【两会30秒】孙业礼：“冰天雪地”正在变成“金山银山”,
(三)要树模效劳，做经济生长的“领路人”
,黄页网站在线观看免费视频公开,欧美A片图,欧美AAAAAA激情视频。【2023中国金融级分布式数据库市场报告发布，GaussDB位居领导者象限！】
【水往高处流！宁夏扬黄河水逆势向上让戈壁沙漠变良田绿洲】
责编：段亚楠
审核：川上俊彦
责编：姜黄素
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
