猫眼影戏
 |
|
猫眼影戏
魏东
手机审查
猫眼影戏记者 马鹦 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：x7x7x7任意噪1060官方版
??02月04日,【新春纪事】佛山连杜打造“醉”美桃花源 当地“桃花王”传授选花秘诀, 穆勒纳尔体现：“我们的军队已经榨取使用这些电池，领土清静部也应该这样做 。”早在去年12月，美国会参众两院通过的2024财年国防授权法案中明确，将榨取美国国防部采购上述六家中国电池公司生产的电池 。这项法案已由美国总统拜登在当月签署，将于2027年10月起生效 。,男人扎爽进女人j免费网站 。
??02月04日,两会今日看点：人大会议将举行闭幕会,
(四)要进一步转变事情作风 。全乡(镇)向导干部和
,hhh蜜桃 17.chhh,在线播放你懂的网站,国产下药迷奸在线观看 。??时势2：福利片
??02月04日,“红娘主播”：她们在直播间里，帮别人找爱情,
二、生而有涯，要学会感恩 。我们要有一颗感恩的心，要谢谢怙恃给我们生命，抚育我们长大成人 。由于他们不但给予了你们生命，并且为你们支付了所有的心血，你们的喜怒哀乐、四序冷暖，全在他们的心头 。他们为你们支付了一切，有了他们，你们才开心快乐地走过了人生这主要的六年时光!
,区美性爱,26uuu另类欧美亚洲日本,白丝+喷水 。??02月04日,公安部交管局提示：返程高峰，出行牢记交通安全,
今天我们召开20xx年度第一次全体村干部会，是连系换届后的村两委班子培训会，其目的就是周全贯彻落实党的xx届五中全会、中央一号文件及省、市、县人代会和省市经济事情聚会精神，前面列位向导就怎样贯彻镇人代会确定的“项目建设强镇，设施农业富民，综合整治靓村，旅游开发活商”的总体安排和“坚持一个目的(强镇富民)，突出两条主线(稳固和生长)，抓好三个重点(项目建设、村镇建设、下层组织建设)，生长五大工业(葡萄、制种、草畜、劳务、旅游)”的事情要求和详细思绪讲了很好的意见，希望各人认真体会，在事情中切实抓好落实 。下面我就强调五点意见：
,男生互模JjJj㊙️视频网站,操人人模,夫妻交换乱交视频 。??时势3：K200.tv
??02月04日,哈尔滨至布拉戈维申斯克航线成功首航,
1、增强后勤包管，确保教育教学的正常举行 。20xx年下期至20xx年上期，投入资金近6万元，装修了中心小学西席及行政办公室、添置了办公及聚会桌凳，为启航楼、汇智楼课堂、功效室、办公室装置了电灯、电电扇，为师生创立了优异的事情和学习情形 。
,干逼视频免费,大露牛奶图片大全集,美女屁股眼秘 免费视频 。??02月04日,福建省防指启动防暴雨Ⅳ级应急响应,
增强学习，提高素质，始终把提高营业素质放在主要位置 。搞好办公室事情，不但要求办公室事情职员有很高的政治素质，并且要有很强的营业能力 。要周全认真地学习“”主要头脑，学习党的蹊径、目的、政策，学习执律例则，学习办公室的营业事情，一直拓宽知识领域，更新知识结构 。希望各人再忙也不要忘了学知识，再苦也不要忘了钻营业，自加压力，一直充电，一直提高，通过学习知识、钻研营业一直提升自身的政策理论水平、剖析解决问题的能力、文字综合的能力、视察研究的能力、协调组织的能力 。各级党委办公室都要起劲创立条件，增强对办公室事情职员的营业培训 。
,黑人4p,天堂永久av免费观看网站,又大又粗又爽又硬又色视频 。??时势4：浪荡公子网站视频
??02月04日,易纲：中国央行向市场传递更清晰利率调控目标信号,
青鳞鹰摇晃，接住了坠落下来的小不点，此后摇晃着，一头扎向山林中，砰的一声砸在了那里 。
,一区二区三区精品亚洲视频,黄色网站免费看毛片,国产精品户露AV在线户外直播 。??02月04日,（乡村行·看振兴）“千鲜之城”福建霞浦如何让海产品“飞入”千家万户？,
众人你一脚，我一巴掌，时间不长就将狈风给折腾的快没人形了，鼻青脸肿，各处骨骼折断，一副很惨的样子，再也没有了一丝冷漠色 。
,免脱直入内衣适合约会时穿吗,五月天亚洲综合网,又污又黄的网站在线观看免费 。【重庆酉州古城雪景如画】
责编：潘秀益
审核：林放
责编：林洛頫
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
