猫眼影戏
 |
|
猫眼影戏
孙绍群
手机审查
猫眼影戏记者 汤道义 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：天堂网综合网
??02月04日,来到义乌 还以为自己出国了！,
同样的情形爆发了雷族、金狼部落，没有人愿意送死，都想远离那株妖异的柳树 。
,欧美精品视频在线观看网址 。??02月04日,湖北首届乡村铁人三项公开赛举行 苗浩获得年龄组冠军,
紫云俯冲下来，在干枯的湖底上方盘旋 。小不点手臂发光，成片的符文泛起，洒下一大片光雨，落向那只生灵 。
,青年裸男体㊙️无遮挡男同中国人,97超碰资源总站,国产chase男男GayGay 。??时势2：中文字幕在线欧美
??02月04日,【小新的Vlog】跟小新到吉林延吉水上市场大快朵颐,
三是要注重学习，学以致用 。在学习方面，我们要带着问题去学习、去思索 。例如：新农合是怎样收取的?是怎样生长的?只有连系自身的现实，带着问题去听取授课西席的授课，才华更好地学到所需要的知识，从而提高处置惩罚种种问题的能力 。
,一级黄片视频免费,成人韩国小说汉化版官网入口,97人人肏 。??02月04日,低温蓝色预警！贵州湖南等5省部分地区最低气温较常年偏低7℃以上,
雷明远低喝，发动攻击，紫山昆也再次脱手向前冲来 。
,国产免费一级视频,欧美黑人大尺度又粗又长最新章节,青青青综合视频在线 。??时势3：性爱研究院免费视频
??02月04日,上海半马将邀请更多国际高水平精英选手参赛,
一群老人从灰尘中走来，灰头土脸，粘着血迹，他们脸上有怒容也有震惊，这个子侄太强盛了，直追其父啊 。
,小鸟酱网址,亚洲顶级黄色视频,美女视频在线网站 。??02月04日,山西襄汾出土晋国贵族墓 陪葬器物折射诸侯国关系,
尊重的列位向导、凯杰小学幼儿园的先生和员工们、家长朋侪们、亲爱的小朋侪们：
,14岁女舞蹈生被c吃瓜,大西欧黄色网络,欧美免费网 。??时势4：秋霞理伦最新电影网
??02月04日,漫评｜中欧班列：为亚欧大陆繁荣发展开启美好新篇章,
(二)做好农村低保事情是坚持以人为本、维护社会公正的详细体现 。坚持以人为本，维护好人民群众的基础利益是各级政府一切事情的起点和落脚点 。要坚持以人为本首先要维护每小我私家的生涯权 。若是贫困群众吃不饱、穿不暖，基本生涯无法包管，就不是真正的以人为本，社会公正也难以体现 。在社会各阶级中，农民生涯最苦，生涯情形最差，理应给予他们更多的眷注和照顾 。农村低保现实上就是农村难题群众的一条“生命包管线”，政府通过须要的救助，包管农村贫困群众衣食无忧，可以让农村难题住民以后和城镇难题住民“同享一片蓝天”，让他们一律地享受到刷新和生长的效果 。实验农村低保既是宽大农民群众的迫切需求，更是各级政府确当务之急 。各州里各有关部分有义务、有责任切实做好农村低保事情，切实解决好农村难题群众的基本生涯问题 。
,二级AⅤ,国产做受 蜜臀777cos,性爱福利视频三区 。??02月04日,穗港深化机电人才发展合作 共建9个培训基地,
整整一天一夜，小不点履历了一次难以想象的蜕变！
,在线A片观看视频,shhupin.com,A片免费毛片 。责编：赫里特·扎尔姆
审核：文池威
责编：陈德海
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
