首页
下载APP
首页
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
《无码免费A片久久》，《Q8X2R7L1T4J5M9B6W3》国产对白一级黄色视频
“操女人视频国产年夜”
国产免费AV片在线观看下载野外AV
……
01月29日
“xx性xx”欧洲杯
↓↓↓
01月29日，广西梧州璀璨夜景迎客来 百年骑楼城人山人海，貂蝉被 到爽被爆衣漫画，国产高清在线观看91精品，美女黄色大片，免费一级A片在线观看视频又大
01月29日，2023年河北电子信息产业实现主营业务收入超3500亿元，爱肏穴啪啪综合网站，啪啪色网站，色久悠悠婷婷在线综合亚洲，好爽好湿好大好疼视频
01月29日，多地上调最低工资标准！你的工资不能低于这个数，黄色欧美精品，亚洲免费视频一区二区社区，永久免费 看片视频教学，www男女
01月29日|内蒙古草原备足饲草料 助牲畜安度“春乏关”|国产乱人伦偷精品视频免下载|国产精品视频一区二区91|色999永久|瑟瑟网站毛茸茸
01月29日|“聚力”“联动”“扬帆” 光明科学城论坛·2024启幕|日本颜色大片|yilimould.com|三级黄片抠屄免费观看视频|成年人 在线
01月29日|一季度京津冀地区外贸规模创历史同期新高|玖玖玖玖在线免费视频|69热在线观看线无码视频|中文字幕免费黄色网站|欧美精品色……
01月29日，【图说】外企看两会：经济再发力 开放新机遇，国产在线1区视频，国产黄频无线免费，免费国产黄网站在线观看15，无码秘 人妻一区二区三-百度
01月29日，安徽7万余人次获全国无偿献血奉献奖，亚洲第一页在线免费观看，我把女的日出白液视频，五月丁香欧美综合激情在线，换娶妻3免费中文电影国语版
01月29日|湖南张家界上演“猫抓老鼠”跑酷对决|女奥特曼拔萝卜视频|人人插插人人操人人摸|欧美特色A片在线观看网站|视色4se影院在线观看
01月29日，何止秦俑 秦陵苑囿青铜水禽等文物集中展出，韩国一级a爱做片在线观看免费，图片区小说区区国产明星，jXXcccom，A片免费在线网站播放
01月29日，【两会30秒】文旅部部长：多项举措解决入境游客支付难，欧美福利视频导航，一区大黄片，熟女乱一区二区三区，凸轮场景自由开放国家地图
01月29日，检察机关依法分别对陈罡、孙占和、荆永强决定逮捕，婷婷a在线，欧美又色又爽的A片在线看，3D动漫 腿交无尽视频，黄片视频看看
01月29日|习言道｜应对气候变化等全球性挑战，多边主义是良方|168人文艺术|真实破处AV|三人行bangbangbang|女人疯狂 喷水自慰爽震动器
01月29日|黑龙江：“大雪首日”6市地多云有阵雪 最高温-16℃|欧美在线一级Ⅴa大片免费观看|日本拉肚子视频lvkpoopvk|星见雅裸体被 本子|一区精品二区国产
01月29日|“三文鱼”山中来？太行山里的“海之味”|在线免费观看av不卡|巨乳ww在线观看|国产日韩另类亚洲一区|荫蒂添出高潮A片视频
中国科协回应16岁中学生获正高职称，男子吐槽华清宫贵妃入浴雕像不雅|遇见福建：“二月二”游南宋灯笼喜闹春田|麻豆精品秘 国产传媒夏夏|欧美亚洲爱爱一区二区三区|9.1看埃及猫|变种老变态 - 七猫精品
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
和评理 | 巴以冲突未休伊以冲突升级 美应“釜底抽薪”而非“抱薪救火”
北京：组队盗掘醇亲王墓 八人盗墓团伙受审
相约“十四冬” 多彩冰雪季
广州GDP总量连上新台阶 “3万亿元”是里程碑也是新起点
海外网评：中马迎来更加辉煌的下一个50年
美国亚特兰大市发生公交车劫持事件 1人中枪身亡
重庆酉州古城雪景如画
韩媒：旅韩大熊猫“福宝”将于4月初返回中国
新华保险启动2024年“3·15”金融消费者权益保护教育宣传活动
CBA常规赛：山西汾酒男篮125:105胜北京控股男篮 领跑联赛积分榜
日韩com视频
国产一区二区三区不卡
一级老熟女乱子69视频
欧美中文品爱网
国产一级片在线视频免费观看
狂操欧美视频
av网站在线免费
久久精品黄网址
日韩 欧美 国产综合
禁漫天堂2下载
闽公网安备 35010302000113号