猫眼影戏
 |
|
猫眼影戏
陈涵雅
手机审查
猫眼影戏记者 拉娜·普尔弗 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：免费一级黄色大片
??01月29日,陕西系统开展“人社工作进园区”活动 企业代表：感受到温度和效率,
要施展好照料助手作用，起劲为党委的科学决议提供准确、优质和高效效劳。办公室作为党委的照料部、智囊团，主要体现在文稿起草、视察研究、提供信息、催促检查、提出对策性建议等方面。因此，各级党委办公室一定要普遍搜集信息，深入开展研究，一直增强事情的预见性，提高辅助决议的科学性，从而更好地为向导决议提供有价值的意见和建议。一要一直提高起草文稿和办理公牍的质量。各级党委办公室要把综合文字事情作为办公室的主要营业建设来抓。认真学习主要文件，体会向导讲话和指挥，准确掌握向导意图，一直提高文稿撰写的质量。要注重作育从事文字事情的营业主干，充分办公室文字事情的实力。二要强化信息、督查和政策研究事情，准确实时地反应社情、民情，为党委当好“线人”。要确保信息的时效性，做到快报而不漏报、误报;要确保信息的真实性，不掺水分，不弄虚作假，既报喜也报忧，周全反应真真相形。要注重提供有质量、有深度的调研，针对党委关注的问题举行重点调研和综合剖析归纳，为党委提供有参考价值的决议依据。三要增强催促检查，协助党委抓好事情落实。牢牢围绕党委的重大决媾和中心使命，以及向导的主要指挥和交效劳项，以抓详细落实为重点，自动督导，按期转达。要进一步探索和实践新形势下实现督查实效的机制和手段，强化督查事情职位，健全督查事情网络，使督做事情事事有着落，件件有回音，确保党委的政令流通。四要做好神秘保密事情，确保首脑机关的神秘清静。要建好、管好密码通讯网络，进一步增强对密码电报的治理，起劲消除爆发失泄密的隐患。
,人人艹人操。??01月29日,杭州富阳半程马拉松举行 14国选手跑进《富春山居图》,
今天我们盛大聚会，热烈庆祝第xx个西席节。首先我代表学校向辛勤耕作、爱岗敬业的宽大西席致以节日的祝贺!向莅临今天大会的镇向导体现衷心的谢谢!
,插穴视频在线,美女走光露出乳头被挤奶网站,国产乱女初中生紧又滑。??时势2：国内精品亚洲
??01月29日,买车容易养车难！新能源车险的“两难”困境如何破解？,
那对匹俦在石村照顾石昊几个月，在确定他能活下来后脱离了，谁人时间虚弱的小不点一岁零几个月，可是看起来却像个半岁的孩子。
,狼友视频在线观看视频,国产美女黄网站色大免费,爽 好大 快 深一点H。??01月29日,（两会速递）国家金融监管总局：中国金融风险总体可控,
??时势3：久久中和网
??01月29日,以色列国防军：袭击黎真主党数千个火箭弹发射器,
“太爷，在我体内。”石毅扔下银刀，清静的说道。
,欧美黄色网站一区,亚洲一区亚洲二区,日本三级香港三级特黄。??01月29日,视评线丨数据说话 美国挥舞对华科技制裁大棒砸晕自家企业, 5月份，食物烟酒类价钱环比持平。食物中，鲜菜价钱下降2.5%，影响CPI下降约0.05个百分点；畜肉类价钱下降0.4%，影响CPI下降约0.01个百分点，其中猪肉价钱上涨1.1%，影响CPI上涨约0.01个百分点；鲜果价钱上涨3.0%，影响CPI上涨约0.06个百分点；蛋类价钱上涨2.2%，影响CPI上涨约0.01个百分点。,久一在线,亚洲日韩欧美1,一区二区三区免费视频在线播放。
??时势4：欧美日韩精品一区二区视频在线观看
??01月29日,工作日上班休息日种地 这届年轻人为何爱上下地种菜？,
这一天，村中肉香四溢，家家户户都在主要的制肉干、熏肉等，主要的忙碌着，就连孩子们都在资助。柳树启齿，这是数十年来未有之事，村民不敢当做耳旁风，心中都担心，认真准备，以应对一场将要到来的大祸。
,国产高清无码乱伦,中文字幕 亚洲图片,91精品啪在线观看国产。??01月29日,兰州榆中2000余平方米多彩墙画绘美丽乡村,
“好家伙，这头青鳞鹰果真非凡，体内有血脉传承的符文烙印，代表了一种强盛的实力。”老族长赞叹。
,成年网站AV在线在免费线播放,免费高清无码黄色视频,911国产自产精品a。【广东启动防冻Ⅳ级应急响应】
责编：林安杰
审核：苏欣诗
责编：科尼
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
