猫眼影戏
 |
|
猫眼影戏
唐晓渡
手机审查
猫眼影戏记者 唐律师 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：美国熟女网
??01月30日,哈里斯确定明州州长沃尔兹为竞选搭档,
小红鸟很辛苦，由于它有伤在身，一经与那手持铁棍的生灵举行过旷日长期的大战，两败俱伤收场。
,色欲一级毛片免费。??01月30日,安徽启动百家“食安名坊”培育行动,
这天似乎都被撕裂了，茫茫一片，圣光耀眼，令人无法正视，所有战战兢兢，要在这种神威下跪伏下来。
,福利网站视频国产,一级大毛片aaa,性生活a视频。??时势2：第三期黄色日女人
??01月30日,上海昆虫爱好者“总动员”：为昆虫“写家谱”、做城市记录者,
为了做好大会的各项准备事情，包管本次党代会按期顺遂、乐成地召开，经学校党委研究，建设了党代会准备事情向导小组。我担当准备组组长，苏志武校长、李焕生副书记、田维义副书记担当副组长;成员由党委校长办公室、组织部、宣传部、纪委的认真同志组成。准备向导小组下设秘书组、组织组、宣传组、代表资格审查组、会务组等五个事情小组;明确了各小组的职责：秘书组认真起草党委、纪委、大会决议(草案)以及有关大会文件质料等;组织组认真大会代表选举，党委委员、纪委委员候选人的酝酿提名，起草大会选行动施(草案)、大聚会程以及大会日程，填报“两委会”委员任免审批表，撰写“两委会”委员候选人的考察质料等;代表资格审查组认真党代会代表资格的审查事情，撰写代表资格审查;宣传组认真大会的头脑发动、宣布道育、新闻报道以及大会各阶段简报的编发等事情;会务组认真会场安排、来宾接待、聚会质料印发、大会录音录像等会务事情。
,国产性爱网站视频在线观看,一级特黄色视频播放器,自拍偷拍激情小视频。??01月30日,走进瑙鲁 一眼看尽世界最小岛国,
第一，充分熟悉召开党代会的主要意义，各级党组织和全体要以强烈的政治责任感和使命感加入其中，确保准备事情各项使命顺遂完成和党代会的圆满召开。
,爽⋯好大⋯快⋯深男男,朱竹清的胸襟距离观察日记,他在教室拿大🐔巴🌿我嗯好爽。??时势3：欧美性爱网站快速播放
??01月30日,山东冠县警方通报网传“9岁男童疑遭故意伤害”案件,
安科瑞自建设以来一直专注为客户提供智能化电力监控、电能治理、电气清静等系统性解决，坚持立异、高效、团结、诚信，通过一连的手艺立异和一直突破，取得了今天绚烂的成绩。
,亚洲国产精品免费在线观看,刺激的黄色视频,男男GayGay 自慰网站。??01月30日,（身边的变化）山西永和：电力赋能乡村振兴 小村庄实现大变化,
遥远的山脉外围，诸强忍着那股源自灵魂的惧意，跌跌撞撞，亡命而逃，这片区域太恐怖了，很难想象那是什么生物，光是散发出的气息就让他们瘫软在地，忍不住要顶礼膜拜，惊悚人心。
,国产精品无卡无卡毛片视频,品爱阁登录入口,青青青久热国产精品视频。??时势4：国产又嫩又爽又多水
??01月30日,今年前5月广东进出口总值同比实现两位数增长,
嗡隆一声，小不点收回银色磨盘，睁开了很是的被动的一种防御，通体银辉弥漫，此后构建成一轮特别的神月，浮现在其背后。
,伊人影视,黄色网站一级在线播放视频在线观看,美女又爽 又黄 丝袜。??01月30日,2024中拉文明对话等活动在秘鲁巴西举行,
【米卢现场观战国足】
责编：雷锋哥
审核：邱启明
责编：李姐
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
