猫眼影戏
 |
|
猫眼影戏
杜炯
手机审查
猫眼影戏记者 玛丽·哈夫 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：女班长涨奶给我喝的小说
??01月30日,江西省宜春市人大常委会原党组成员、副主任刘安安被开除党籍,
“你们两个过来。”小不点盯着两人，高声呵叱，此后又看向蛟鹏，点指三人，道：“你们三个一起上吧！”
,欧美国产日韩一区二区三区免费的在线视频。??01月30日,构建产业资本和金融资本“防火墙”,
大火燃烧，所有修建都被点燃了，在村东一经爆发过强烈的对抗，那是一群壮年男子，可是都被分尸了，死的很惨，武器亦都折断。
,荒野乱斗e站下载地址,国产视频无码,一 级 黄 色 片免费的。??时势2：www.av手机天堂网
??01月30日,“00后”铁路青年志愿者胡嘉欣：青春在服务中绽放光彩,
篝火跳动，噼啪作响，这里很是的热闹，族人恣意的庆祝着。
,b宅网官网下载,国产无码三区无码视频A片看看,十大黄色免费网站。??01月30日,道中华丨好听！基诺丝竹,
(一)开展村干部培训事情，是提升干部能力的主要行动。 通过换届，各村选出了组织认可、群众公认的村干部，无论是连选连任的老同志，照旧换届后刚中选的新同志，怎样提升能力水平，认真履职尽责是最主要最迫切的使命。虽然不少同志恒久在下层事情，履历也较量富厚，可是我们要苏醒地熟悉到，目今村干部中还差别水平地保存着头脑看法境界不新、立异进取意识不强、治理效劳水平不高等问题，要从基础上解决这些问题，最要害的照旧要通过开展培训，增强学习教育。希望各人带着问题加入培训，做到勤于学习，善于思索，勇于实践，一直增强自身综合素质，起劲提升履职水平。
,殴美一级黄片,大胸爆乳全彩本子,qqxx.ai。??时势3：男插女色色视频
??01月30日,山东RCEP原产地证书签发量居全国首位,
火红的雀儿扑棱了一下同党，艰难地站了起来，在其胸腹间的伤口处符文闪灼，一直破损它的生气。
,好硬好大好爽18禁国产免费看,亚洲色唯美另类激情小说,日本 在线 a。??01月30日,国家防总针对广东提升防汛应急响应至三级 调运装备支援巡堤查险,
他倚仗宝具，护住己身，无惧那两轮银月，一颗颗兽牙发光，化形成光箭、匕首等，向着小不点的身体飞去。
,一本视频黄色,黄色视频免费黄色视频,自拍无码国产。??时势4：a片免费网址在线观看,国产丝袜在线精品丝袜不卡,晚上开车又疼又...
??01月30日,习言道｜习近平再访法国 元首外交三个“特别”引人关注,
可是在我们干部作风中确确实实还保存一些不可忽视的问题(这个后面我还要重点叙述)。若是任其生长下去，党的蹊径、目的、政策就难以贯彻落实，事情落实就会走样变形。不但会贻误事情，还会影响干部的生长;我们实力开发区、活力开发区、魅力开发区、幸福协调开发区的优美妄想和蓝图就难以实现，就会成为一纸空文;党群、干群关系就难以融洽，甚至会越发疏远、主要;安定团结的时势就会难以维持，甚至会酿出新的不稳固因素。以是，增强干步队伍头脑作风建设是加速开发区生长，完成预期事情使命，推进工业化、都会化和农业工业化，维护好刷新生长稳固时势的要害，是我们面临的一项刻禁止缓的重大使命，必需抓紧抓好，抓出效果。
,国产欧美一,AAA免费观看电视剧,黄色在线视频精品视频。??01月30日,今年1-10月份，系统农产品批发市场交易额同比增长7.6%,
列位代表、同志们!今年X乡党委任期届满，凭证《党章》和《中国共产党下层组织选举事情暂行条例》的划定，需要举行换届选举。这次代表大会的使命很主要，聚会时代，代表们将听取和审议X乡党委和纪委的，这两个将周全总结已往五年来X乡党委和纪委所取得的事情效果和保存问题。同时，代表们也将充分验展自己的智慧才智，群策群力，商讨好X乡党委以后五年的事情目的使命和完成使命的步伐，描绘以后五年经济建设和社会各项事业生长的雄伟蓝图＞刍崾贝，我们还要选举爆发X乡新一届党委班子成员、纪委班子成员，这将是本次大会取得圆满乐成最主要的标记。为开好大会，下面，我讲三点意见和要求：
,原神女角色翻白眼流眼泪吐舌头,淫秽视频网站在线免费,shhupin.com。责编：潘石屹
审核：纪王
责编：李红平
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
