猫眼影戏
 |
|
猫眼影戏
大卫·马克
手机审查
猫眼影戏记者 王德刚 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：女人打开腿让男人爽30分钟
??01月29日,向绿而行“碳”新路｜青岛啤酒新角色：中国工业碳达峰“领跑者”,
“父亲生死不知，无论怎样，我都要去起劲寻找！”男子很坚决，坚持要去。
,黄页网站免费。??01月29日,国产新型高寒耐风沙内燃机车在临哈铁路投入使用出动直升机、无人机！辽宁葫芦岛全力抢修通讯 恢复供电,
优异的起源是乐成的一半。不管你已往是好是差，我们最体贴的是你现在体现怎样？在我们每个先生眼前你们各人就像摊开了的一张新白纸，那么你们将怎样在这张白纸上画出新的图画？是一幅精彩的画卷！照旧一幅平庸的涂鸦？更有甚者是被作为一张废纸被扔进垃圾筒。已往属于别人，未来属于你自己，你的已往庆幸也好，失败也好，都已成为昨天，留给你的只应该是教训和履历；新的一学期已经最先，你最需要做的就是赶忙给先生、同砚留下一个优美的第一印象。也许你昨天曾拥有绚烂，但那已经成为一段甜蜜的回忆，也许你昨天曾遭受攻击，也早已成为几滴苦涩的泪水，遗忘以前的乐成与失败，新的学期意味着新的起点，只要你肯拼搏，胜利永远属于你！虽然第一印象并不可代表一小我私家的所有，但做到这一点，才算是迈出可喜的一步。我们的同砚还应该勇于离别已往的缺乏，离别自身的弱点，无论你以前怎样，只要你踏扎实实地学，先生喜欢的是一直前进的学生。只要你一直挑战自我，完善自我，我们相信你一定会重塑一个崭新的自己。
,成年人黄片爽爽爽看看看看看看,亚洲欧美日本,手机看片1024精品国产。??时势2：能直接看的黄色网站
??01月29日,“村播”火了，中国直播电商走向田间地头（专家解读）,
他身体剧震，朦胧宝光退去，虽然背部剧痛，可是并未伤到筋骨，硬抗了下来，着实惊人！
,黄色一级片免费,xkdsp6.0,能观看的黄色网站。??01月29日,贵州首趟中老跨境货物列车汽车专列发车,
本学期分派和调动到我校的有25位新先生，招收月朔、高一、初三、高三温习及转学到我校来的新同砚有近1900名。让我们再一次以热烈的掌声接待我们的新先生、新同砚!
,裸体动漫女大胸自慰,国产美女一级A片特黄免费看,欧美一级特黄一区二区三区播放免费在线网站。??时势3：采花社登录入口最新版本更新内容
??01月29日,春节临近如何防治呼吸道疾病？专家详细解读注意事项,
“哇哦，小不点你又在吃奶，现在可三岁半啦！”一个孩子大叫。
,国产操逼大黄片,七色猫八年沉淀软件,国产精品拍在线观看免。??01月29日,宁夏：多举措缓解工业企业融资难题,
这件宝具则落在了他们这一脉的手中。
,舌乚子伦熟妇αv高清大图,黄片黄色∩nn欧美,2021年日本三级片。??时势4：在线观看的精品视频
??01月29日,多伦多华星艺术团主办第16届“夏夜舞动民族风”晚会,
二、拥有阳光心态。生命需要阳光，着实心态更需要阳光。阳光心态是一种起劲、宽容、感恩、乐观和自信的心智模式。同砚们要学会用阳光般的心态面临生涯，对周围的人和事始终抱有一颗爱心、宽容心和明确心。尊重先生、热爱同砚，以起劲的心态应对人生的一切艰难险阻，从而改变人生的现状，创立崭新的生涯，成为真正主宰自己运气的主人。
,久久久久久精品免费免费自慰,日本三级片在线免费播放,网站你懂在线。??01月29日,下一个能让C罗记住的中国球员，在哪里？,
“竟然保存了下来！”石云峰激动到颤抖，此后仰天哈哈大笑，眼泪差点落下来。
,国产毛片在线一区,拔萝卜不盖被子。,范冰冰被操120分钟。责编：牛僧孺
审核：汪强
责编：徐启发
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
鲁ICP备09023866号-1 鲁公网安备 37010202000111号
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
