猫眼影戏
 |
|
猫眼影戏
程文浩
手机审查
猫眼影戏记者 高保真 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：欧美一级二级黄色视频
??02月02日,海南自贸港完成首单越南进境飞机维修业务,
尚有一丝丝浅浅的蓝色的忧闷和浓浓的橙色的喜悦，和着红色的热情，金色的拼搏，绿色的闲适，缤纷的色彩，调绘出我所有的感受与感动 。
,国产欧美一区二区性色 。??02月02日,拜登回应以色列袭击伊朗：希望这是结束,
“你很好，竟杀了一头祭灵 。它可不简朴啊，逾越洞天境，只是基本破碎了，不然你危矣 。”柳神透过穿山甲遗下的几块骨就洞悉了它其时的状态 。
,开发妈妈菊蕾后花庭,暗卫肚子里面满满的都是虫卵,国产精品ⅴA在线观看H 。??时势2：欧美性爱片免费在线观看国产一区
??02月02日,浙江嘉兴：钱塘江退潮 “潮汐巨龙”清晰可见,
“那是，我就纪录在上面 。”小不点挺了挺小胸脯，一脸傲然之色 。
,maplestar全资源免费,男仆撑开 让人玩弄动漫,在线影院a 。??02月02日,中美青年结束“山西行” 冀借交流共建“友谊之桥”,
一是向导重视，组织有方 。 举行全镇干部培训班是目今村级组织换届选举后举行的一项主要事情，是面临新时期、新形势和新要求作育高素质的农村下层干部的主要途径 。上级党委对此很是重视，县委专门召开会研究安排此项事情，县委县政府相关部分向导在百忙中抽出时间给同志们来做专题向导 。虽然，镇党委政府也十分重视这次培训事情，专门召开了党委扩大会，安排专人认真，落实专人授课，明确专人从事后勤包管事情，做到了早妄想、早安排、早落实 。在两天的培训中，组织严密，秩序井然 。
,五十路 韵母交尾,纲手被 吸乳羞羞A片照美冥软件,中文字幕在线视频第二页 。??时势3：98在线++传媒麻豆的视频
??02月02日,外媒：俄罗斯总统普京将访问朝鲜,
三头幼鸟虽然不凡，且一直在追随石昊学习骨文，但事实才出生三个月左右，太过幼小，难以施展宝术 。而鳞甲的防御力也远不如成年的青鳞鹰，除却紫云外，大鹏与小青都负伤，鳞片脱落数片，有血溅起 。
,性爱区,视频高h,人人看人人摸人人操人人干人人干人人干 。??02月02日,数字经济促进共同富裕（政策解读）,
黎巴嫩诗人纪伯伦说：“大殿的角石，并不高于那最低的基石 。”我们是人生殿堂上的石块，由于一律，以是职位作用不可否定我们处于相同的高度 。
,影音先锋AV我色资源,992KP搜不到我吃不敢笑,因为是片,被 到失禁爽到微博 。??时势4：鸥美曰本一级片
??02月02日,蚂蚁森林超9成树种在“三北”攻坚战核心区，再捐1亿元支持甘肃种树治沙,
邵永灵教授给各人讲了一个真实的故事：20__年1月4日，突尼斯的一个小贩买买提·布瓦吉吉，由于城管职员矫枉过正滥用权力，他用自焚竣事了自己的生命，这被普遍公以为是阿拉伯之春的起点 。经由社交网络及部分新闻媒体催化，他的自焚身亡引发了阿拉伯天下多国人民起义对抗专制虐政的民主革命，最终导致了阿拉伯天下的天翻地覆式的巨变 。
,爱五月婷婷,一级做a爱免费观看视频,日本免费在线观看视频 。??02月02日,王沪宁会见越南共产党代表团,
柳树道：“举国同祭，整片古国被认可后，将获得福泽，当小我私家修行到一定水平时，就可以举行感悟，收支虚神界 。”
,少妇做爰XXXⅩ性高湖麻豆,国产高清综合乱色视频∵,日本精品第一页第一页 。责编：德斯
审核：江学庆
责编：陈爱莲
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
