猫眼影戏
 |
|
猫眼影戏
弗雷德·冯·温克尔曼
手机审查
猫眼影戏记者 王瑞博 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：中文字幕久久辣椒资源专区
??02月03日,外交部：对于韩国内政不予评论,
凶狈已死，那些巨狼扔下狈村的人返回了大山中，甚至有些巨狼直接翻脸，就地咬死了不少狈族人。
,人人操人人模人人干。??02月03日,雷军现身珠海航展，并登上运油-20参观,
第二，要规范操作。选举爆发县党代表是一项十分严肃的政治事情，必需坚持依法、依规操作。要严酷按事情流程效劳。党代表选举要经由的四个阶段，每个阶段的每个环节都要规范，在程序上不允许有自由度和随意性。要坚持标准，推荐好党代表准备人选。各选举单位的党(工)委，在确定代表准备人选时，要把坚持党的向导、充分发挥民主、严酷依法效劳有机连系起来，既要组织所属党组织接纳自下而上和自上而下相连系的方法，对起源人选充分酝酿和讨论，又要强化对推荐事情的向导，把组织意图融入推荐事情中，严酷把关，使确定上报的准备人选具有先进性、普遍性和代表性。
,欧美老女,笔盒视频已满18点此转,高清无码视频WWW。??时势2：挑战一根大黑属电影
??02月03日,4800余名跑友贺兰山下鸣枪开跑“寻酒香”,
两日后，一队又一队强者向着大山中赶来，他们要进山脉。有骑着银色独角马的部族，有站在重大兽骨上贴地航行的王侯子弟，尚有坐在蛟身上、横空而来的强势人物。
,luan.4ai,日本黄色aqq,.日本特几黄色大片。??02月03日,世界银行上调今年中国经济增长预期至4.8% 中方回应,
不养儿不知怙恃恩，养了孩子更知道为人怙恃的不易。关于每一位家长来说，当孩子一降生我们就对这个新鲜的生命充满了期待，经由若干年的养育之后，有人以为孩子给了自己带来了快乐和期待，有的则以为孩子给了自己一个又一个的失望。然而，即便你的孩子不敷优异，甚至在学业上被其他孩子远远抛在死后，就真的让你感应失望了吗 ？他们现在也不过是14、5岁，他们未来的路还很长，一次期中考试，一次期末考试，哪怕是一次中考没考好值得我们失望吗 ？人说三十而立，他们离而立之年，离立功立业证实自己的年岁还远着呢，即即是三十还未立，你不防还可以这样宽慰自己，至少他还身心康健。19年前我一经有过一个女儿，我对孩子的期望从她的名字里就能看得出来。孩子出生时我力排众议给她叫若愚，我期望她智慧，学习好，大智若愚嘛。有人说，小女孩，这个名字太大太重了，像男孩，我没有顾及这样的说法；乖谝涣剿，两三岁的时间我就对她要求的很严酷，甚至是严肃。我会由于她出错而打她，会由于她不听话而罚她站墙根，一站就是半个小时，那么小的孩子她懂什么 ？她流着鼻涕哭着喊着说：“爸爸我错了，爸爸我再也不敢了！”我未曾被她的哭喊所摇动，由于我抱定一个信心，严师出高徒，严父出孝子。我希望她未来读清华北大，上哈佛牛津。1999年的11月1日，这一天牢牢地刻在我的脑海，终生难忘。孩子在幼儿园爆发了意外，永远的脱离了我，其时她仅仅三岁半。我清晰地记得，那天早上送她去幼儿园的路上，她快乐的骑在我的肩头高声地唱着《我是女生》“我是女生，漂亮的女生，我是女生，爱哭的女生”然后拍着我的头说：“你不懂女生！”医院里，看着她铁青的小脸悄悄地如熟睡般的样子，我不敢相信这个现实，我拼命地用头撞墙，希望把自己撞醒，希望这只是一个恶梦，当恶梦醒来的时间孩子还会活蹦乱跳的泛起在我眼前。然而事实是无情的，直到失去了她我才突然意识到，我对孩子的最大期望不是智慧智慧，出人头地，而是平平安安，健康健康。是能够和我相伴相随，是始终快乐幸福，一句话我要她在世！没有康健和生命其它又有什么意义呢 ？只管这件事像一个伤疤，揭一次就会流一次的血，但正是这件事让我真正意识到，生命和康健才是我们最大的财产！现在一想到她，我记不起她快乐时的样子，脑海里只有她高声啼哭涕泪横流的委屈，那画面时时时的在我脑海中浮现，让我心如刀绞的忸怩，若是她还在，今年应该是大二了吧。以是，当第二个孩子降临的时间我给她起名叫平安，期望她平安无恙，康健幸福。平安从小到大都被爱所困绕着，我把对若愚的缺失加倍的倾注在她的身上。我重视她生涯习惯和学习习惯的作育，但从不提过高的要求，大都的时间我不是给她打气而是在为她减压，中考分数出来的那天，然然哭了，我告诉她，孩子，你要知道，效果并不是爸爸最看重的，我要的是康健快乐的你，再差的分数爸爸都能接受，只要你是康健的，怙恃就是快乐的，只要你是快乐的，我们就是幸福的。什么是幸福 ？一家人健康健康团圆在一起就是最大的幸福。
,黄视频欧插,啪啪啪精品免費区,人人澡澡。??时势3：欧美一级交性
??02月03日,中办、国办：推进新型城市基础设施建设打造韧性城市,
金色的巨鸟遨游于天空，通体皆被绚烂笼罩，宛若一尊天神般，恐怖无比，有一种惟我独尊的气概，睥睨四方。
,高岭家的二轮花动漫在线观看樱花,艹人人操,黄色网站操一操。??02月03日,澳大利亚墨尔本发生枪击事件 致两人死亡,
尊重的先生、同砚们：
,性欧美大战久久久久久久久,馃崙馃崙馃崙馃崙馃崒馃崒馃崒馃崒,玖玖88视频。??时势4：美女ghfree
??02月03日,财政部拟第二次续发行2024年记账式附息（二十期）国债（5年期）,
回首六年来，全体同砚在“七彩教育、色泽人生”的照耀下，起劲加入各项活动，取得丰富的果实，可以说，学校的一草一木见证你们的生长与欢喜，学校的每一个角落都留下你们生长的足迹，一张张声誉证书，述说着你们的求索与勤劳；一张张奖状，凝聚着你们的智慧和汗水；一次次活动纪录着你的实力和魅力。
,国产 日韩 婷婷 一区,美女羞羞视频,自拍三级。??02月03日,强降雨来临，牢记这些安全提示,
20xx年，机电科在矿党政的准确向导下，牢牢围绕“保清静、保稳固、促生产、增效益”，坚持从清静宣布道育、手艺培训、现场治理入手，以扎实的事情作风、得力的事情步伐，全方位、多条理抓清静基础治理，清静可靠性获得了增强，有力增进矿井清静生产。去年整年共完成8个事人情的装置、拆除，掘进机的10次装置，8次拆除，清静上没有爆发一起轻伤以上人身危险事故，没有泛起一次“三违”征象。主要做法为：
,www片视频在线观看,啪啪色网站,国产在线视频一区。责编：赵庆彪
审核：孙崎享
责编：刘国勤
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
