猫眼影戏
 |
|
猫眼影戏
中德马普
手机审查
猫眼影戏记者 潘晓忠 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：黄色日本网站1区2区
??02月04日,湖南茶陵：朱红挂满枝 杨梅采摘正当时,
一是学风不浓。现在我们天下上下正为着重打造学习型社会而起劲，各级党政主要向导一再强调增强学习的主要性。要求我们下层干部必需增强党的目的、政策的学习，增强对市场经济的学习，增强对科学知识的学习，而在我区上下，学习民俗不是很浓，尤其是我们的一些同志整天围着杯子转、围着牌桌转，围着鱼杆转，有的甚至围着裙子转，不思学习，不想学习。整天无所事事，终日无所作为，相反，对社会上的一些无聊的工具，好比千变万化的麻将扑克新赌法，飞来飞去的黄色短讯，我们一些干部倒是学得很快，一看就懂，一学就会。我说这些人心事都没有用在正经的学习上面，大宗的时间被铺张了。他们对党的目的政策明确不透，对新知识、新履历一知半解，对新问题、新情形麻木不仁，造成的直接效果就是素质很差、眼界狭窄、境界低下、头脑守旧，不可很好地完成党和人民交给的使命。当今时代知识奔流，信息麋集，科学手艺迅速转化为生产力，知识经济越来越直接地融化为综合实力。我们若是不学新知识，不学人家的先进履历，没有与时俱进、开拓立异的精神，面临新形势、新情形、新问题，便会一筹莫展，不知所措，干不可大事业。
,欧美全网一级AA片片黄大片。??02月04日,西安创新大遗址保护理念 实现大遗址与现代社会相融共生,
这个效果令人目瞪口呆，石昊以幼龄硬撼强盛的狈风，居然不落下风，从极远处扑杀到了近前，体现的很强势。
,色喲喲国产精品免费观看,五月婷天天肏,日本黃色A片三級三級三級免费看。??时势2：胸片2024年已更新
??02月04日,商务部：希望世贸组织成员不要把贸易救济措施当成贸易保护工具探访高原药学实验室：“最强大脑”如何运作？,
??02月04日,上海市两会观察：数字科技融合文创，如何催生新消费模式？,
再次，希望你们能够自强不息、勇于立异。作为x中人，你们要承继“质朴坚贞”的精神，不但纯朴，更要自强不息、高昂有为，面临难题依然不平不挠，身处逆境敢于开拓进取。除此之外，你们作为新世纪的青年，还应该深刻意识到“立异”是一个国家、一个民族、一个学校得以生长的不竭的动力和源泉。“一个没有立异的民族是一个没有希望的民族，一个没有立异的国家必将被历史镌汰。”现在，我们的学校已经在这方面孕育了优异的气氛，创立了优异的条件。希望同砚们能够自信地、大胆地去掘客自己的潜力，作育出较强的立异意识，勇于立异，乐于立异，作一个新世纪的立异人才。
,工口.18,波多野结衣经典作品,欧美性爱 首页。??时势3：在线观看网址中文字幕
??02月04日,浙江上线“检察+”协同共治平台 促跨部门大数据办案,
老人以粗糙的大手拉着他的小手，左看右看，充满怜爱，可是眸子阴晦，张口想要说什么，效果胸膛升沉，有些说不上话来了。
,99riav成年人视频网站免费观看男人扎,御手洗家在线免费观看,黄片啪啪啪免费观看。??02月04日,第九届全国新农村文化艺术展演在四川达州启动,
当一切竣事后，密室中静了下来，那道黑影离去了，整片空旷的地宫显得有些阴森。
,亚洲免费电影,亚洲激情图片小说,97人人模人人靠人人弄。??时势4：欧美性爱20
??02月04日,外交部：中非合作论坛峰会是中国近年来举办的规模最大、外国领导人出席最多的主场外交,
泪水一直从他惨白的小脸上滑落，他缩成一团，身体在瑟瑟的颤抖着，在昏厥中向酷寒的床角蜷缩。
,子夜涩涩网,成年动漫在播放网站章节,欧美在线观看精品一区二区。??02月04日,习近平主席拉美之行，这些看点值得关注,
我相信在我们的配合起劲下，我乡小学结业班教育教学质量将会有力提高，更相信我们在坐结业班先生不负众望，团结协作，为自己所做起劲收到最好回报而不懈起劲！
,巨乳美女被c,看色色色色色色色色色色色色色色色黄片,91九色精品国产。责编：巴尔特拉
审核：张小磊
责编：明月山
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
