猫眼影戏
 |
|
猫眼影戏
何伟
手机审查
猫眼影戏记者 呂子喬 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：youjlzz国产
??02月01日,国泰航空香港直飞利雅得首航 港人称方便前往当地觅商机,
“你连孩子都下的了手 ？！”石村的人目眦欲裂。
,玖玖免费视频在线观看。??02月01日,印尼西苏门答腊省强降雨造成32人死亡,
“太狠了 ，这么小的孩子 ，他们也忍心下的了手。”小不点一副小大人的语气 ，浑然遗忘了自己年岁也不大。
,强奸人人操,中国艳妇裸体欣尝,免费黄视频在线看。??时势2：日韩无码强奸
??02月01日,通讯：“我在马东铁守护家乡环境”,
在办学业绩方面 ，我们一直获得上级向导和有关专家的肯定和表扬。我们的学校、我们的先生和学生先后获得过许多国家级、省级和市区级的表扬 ，尤其值得我们全体师生自豪的是：在今年月 ，我们被评定为区一级学校 ，并且是包括初中部的区一级学校 ，这在××区是唯一无二的 ，是令社会各界另眼相看的！能提升为区一级学校 ，我们靠的是自身的打拼 ，靠的是过硬的质量 ，靠的是我们的三支步队——我们有作风优良的好向导 ，我们有营业精湛的好先生 ，我们有勤劳学习的勤学生。这里校风正 ，教风严 ，学风浓 ，我们始终坚持以人为本 ，决不放弃任何一名学生 ，起劲将每一名学生雕琢成器。虽然 ，所有这一切都离不开在座家长们的支持和勉励。免费提供
,欧美中文视频,免费一级AV浏览器在线观看,日韩小姝xXXXX交性。??02月01日,将非遗搬上舞台 四川一高校五四礼仪秀尽显文化魅力,
各人有没有注重到清静是生命的顽强后援!家长先生经常嘱咐我们做任何事都要注重清静 ，可我们基本上是牛犊子个性 ，天不怕地不怕 ，从不入耳。放假时 ，我就亲自履历过一件很危险的事。
,欧美黑人在线操,原神动漫同人网站,欧美A片在线视频。??时势3：鸣人与雏田的秘密生活漫画完整版免费观看
??02月01日,北京市政府党组成员、副市长高朋接受中央纪委国家监委纪律审查和监察调查 ,
它前腿很短 ，险些不可自己单独行走 ，通常需要趴伏在巨狼的背上 ，还好它自身血脉强盛 ，生长出了一对羽翼 ，可以航行。
,人人干视频在线,欧美激情第1页一区二区三区,欧美国产日韩va观看视频。??02月01日,加强国际合作 应对气候变化,
泰半日的时间 ，深入了很远的一段旅程 ，青鳞鹰才回返 ，以免泛起意外 ，由于战后的废土也可能隐藏着极大的危险。
,一级无码黄色视频,亚洲欧洲一区二区,自慰被发现后成了寝室共用性器。??时势4：天天干天天草天天爽
??02月01日,这才是该追的星！中国首飞航天员杨利伟现身中国航展 现场观众激动围观拍照,
(三)高水平治理。张掖是河西五个都会中最有生涯气息的都会 ，生齿密度大 ，商业很昌盛 ，流动性强 ，这是张掖的活力所在。但带来的一个问题就是治理难度大 ，情形卫生维护本钱高 ，因此都会治理是比建设更需要有耐力和长期性的事情。今年要重点做好三个方面的事情：一要建设科学的治理机制。去年我们把都会事权重新举行了划分。从两个月的运行情形看 ，总体比原来的状态好了一些 ，但尚有许多需要完善的地方。各县区要牢牢围绕都会治理的责、权、利方面进一步做深入详尽的研究 ，从机制体制上解决好都会治理动力和活力缺乏的问题。二要提高设施包管水平。垃圾处置惩罚设施、环卫设施、公共卫生设施都要花鼎实力、下狠功夫做好做实 ，这是实着实在的民生事情 ，也是真正让老黎民受益的惠民之举 ，只有基础设施完善了 ，都会治理水平的提高才有物质基础。三要培育全民对都会的热爱和自豪感。只有把人民群众对张掖的热爱之情引发出来 ，把加入都会建设治理的起劲性调动起来 ，每小我私家都当文明人、做文明事 ，才华够自觉遵守都会治理的各项划定 ，都会治理水平的提高才华有坚实的基础。怎样提高市民的文明素质 ，怎样充分引发市民自觉加入都会治理的活力 ，今年要拿出详细可行的实验 ，既要有激励性的步伐 ，还要有制约性的步伐 ，要形成好人好事有人表扬、坏人坏事有人监视曝光的激励约束机制。这是中小都会最难做的事情 ，但要真正做好了 ，也是最现实、最长效的事情。宣传、建设、妄想等部分要配合研究 ，拿出可行的 ，今年正式启动 ，一年头见效果 ，三年大见效果。
,www.caoai,韩国顶级绝伦,久久超级碰碰 欧美。??02月01日,公安部交管局提示：返程高峰，出行牢记交通安全,
石云峰很坚决 ，安顿好伤员 ，连忙下了这样一条杀气腾腾的下令 ，要斩尽狈村那批知晓祖器神秘的人 ，阻止新闻泄露 ，招来祸根。
,欧美人与牲禽性色,亚洲人妻系列,黄一级大片。责编：黄叶实
审核：贺青
责编：戚峰
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
