猫眼影戏
 |
|
猫眼影戏
邹建设
手机审查
猫眼影戏记者 聂林海 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：人人操人人擦人人
??02月02日,从中国制造迈向中国创造——第135届广交会观察,
尤其是紫云，它爆发了返祖征象，即便只传承了远古魔禽部分印记，那也将是十分恐怖与惊人的，其体内的符文绝对称得上“秘骨宝书”。
,在线视频亚洲人人。??02月02日,山东港口烟台港打造爆款中非航线 “带货”非洲20余国,
清静是什么?清静是一种态度。清静，对我们氯行业来说是放在首位的，我们经常讲“清静第一”。这就是我们的态度，也是我们的原则。清静是包管我们事业顺遂完成的法宝，清静是我们取得效益的条件，清静对我们来说至关主要。因此我们就要事事讲清静、时时讲清静，不重视清静的效果是无法估量的、是要支付沉痛价钱的。把生命握在自己手中，就是要自觉地把清静提取到“天”字号的位置上，认真学习清静规程，起劲接受清静培训，只有头脑上多一道防地，清静上才华多一分包管，坚决战胜幸运心理和麻木头脑，当幸运心理闪现时请想一想：怙恃双鬓的鹤发，妻子悬念的眼神，孩子睡梦中那甜甜的微笑，难到一切还不可感动那浮燥的心吗?当麻木头脑仰面时，请再想一想：年迈的双亲需要你床前尽孝，贤惠的妻子需要你牵手人生，可爱的子女需要你为她避日挡风，岂非这一切还不可叫醒那麻木的神经吗?生命，一旦失去就不会再有回来的时间，尚有什么比幸福地在世更难堪的工具呢?珍惜生涯，敬重自我，把生命握在自己手中，去享受人世的天伦之乐，去感受人世的至爱与温情，这该有多好……
,cutie kim在线观看,月婵强行被 吸乳羞羞,亚洲男人的天堂网。??时势2：男人🐔和女人做爱的视频
??02月02日,《摆脱贫困》葡萄牙文版首发式暨中巴治国理政研讨会在巴西举行,
坚持“清静第一，预防为主，综合治理”的清静生产目的，是机修厂天天、每周、每月、每年的事情重点，必需常抓不懈，周全长期深入的开展好各项清静事情。
,狠狠色色欲,好硬好大好爽18禁国产免费看,彪虎影视免费观看高清。??02月02日,合肥地铁8号线完成首列列车上线热滑,
全民国家清静教育的开展，让我们深刻的在清静的问题上来不得大意与幸运，国家清静与我们每小我私家都息息相关，国家清静是国家生长的主要基石、人民福祉的最基础包管。从“利莫大于治，害莫大于乱”的古训，凝聚清静共识;加大对国家清静法、反恐怖主义法、反特工法等执律例则的普法宣传力度，向一切损害国家清静的违法行为坚决说不，才华让法治实力为国家清静保驾护航居安思危，思则有备，备则无患。确保国家清静和长治久安，不可能毕其功于一役，需要久久为功，驰而不息的不懈起劲。第__个全民国家清静日的到来，是一个新的最先。
,免费网站a,欲色天天婬色婬香综合网,💋XXXXATU💋HD18。??时势3：视频丨9l 丨大学生国产
??02月02日,延榆高铁全线首座隧道开工建设,
“这是什么猴子 ？”
,日韩av无码天堂,美女裸身黄网站免费,妓女影视一区二区国产精品。??02月02日,【光明论坛】致力保护传承 绘就时代画卷,
今天是个特殊的日子，20xx年5月20号，520的谐音是“我爱你”，每年的520是牢靠的结业日。
,3dmax专区柳神,十八禁影院国产精品不卡α区,水多毛多毛耸耸妓女。??时势4：免费黄片视频不用下载
??02月02日,中国国家统计局：CPI同比下降主要是结构性、阶段性的,
“至尊骨已植入毅儿的体内，现在效果怎样 ？”就在这时，身份最古、已经有三十年未曾出过洞府的老人倏地睁开了眸子，像是两轮金色的太阳泛起，炽盛的光线迸发，且隆隆轰鸣，慑人之极。
,奇奇网午夜理论电猫,在线亚洲精品,原神琳妮特裸体❌开腿黄漫。??02月02日,乒乓球混团世界杯拥抱“粉丝经济”,
“喀嚓”
,欧美αv日韩αv亚洲αv在线观看,中国双主调∨K,国产一级精品片性色AV。【【新疆故事】苗利辉：研究克孜尔石窟是我一生的奋斗目标】
责编：王延进
审核：徐倩倩
责编：甘夫人
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
