猫眼影戏
 |
|
猫眼影戏
小泉直一
手机审查
猫眼影戏记者 陈璟 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：人人操人人摸日本三级
??01月31日,中科卫星空天信息产业基地“落户”合肥 集中签约一批重点项目,
二是坚持内控先行，建设健全各项规章制度。凭证羁系部分内控治理的基本要求和总行谋划治理的基本理念，在我行已有的、较为完整的内控系统基础上，凭证分行的营业规模及运作模式，对分行开业后所必需的各项谋划治理制度举行了系统性妄想和建设，制订了一系列内控与监视制度，为确保分行开业后的稳健谋划涤讪了基础。
,国产色色第一页。??01月31日,中国民航局：截至8月20日 民航暑运累计运输旅客1.17亿人次,
山脉外，一群人在极速奔行，身体被霞光包裹着，冲向原始山林深处。
,免费不卡黄片,久久激情六月丁香婷婷,欧美最大黄色网站。??时势2：亚洲毛片黄片免费观看
??01月31日,铁路青年女防护员：愿做先锋 守护春运列车平安,
能出“药根”的鼎，必是瑰宝，无价之宝，拿什么至宝来换都不可。到了这一步，它已经通灵，可以自主罗致天地间的神精，吸附鼎壁内。这药根是积淀的下药性与天地神精的连系物，妙用无限。
,www.773c.cn免费网站入口申请退款,bjrsjsj.com,天堂91。??01月31日,新春将至 广州年桔迎成熟季,
正像《天下人权宣言》所说：“人人生而自由，在尊严和权力上一律一律。他们赋有理性和良心，并应以兄弟关系的精神相看待”。也就是说，岂论你生在鱼缸的哪块石块下，追求幸福的权力，赢得尊重的权力，以及回报这个鱼缸的义务等，都应是一律的。这就是我们追求的社会制度与人格的一律。
,27男女邪恶动态,和平精英羞羞网站,美女黄色视频免费。??时势3：日韩一区二区中文字幕第一页
??01月31日,两会受权发布丨十四届全国人大二次会议主席团常务主席第二次会议举行 赵乐际主持,
“族长爷爷！”小不点大叫。
,91夫妻自拍论坛九色,狼友视频www在线观看,麻花豆精产国品。??01月31日,匈牙利期待开启匈中两国关系新篇章,
夜里，当又有猛兽来袭时，两道身影出动，迅疾如幽灵一样平常，横空而起，没入远方。
,色色色ssshhh.com色色色,18岁禁看视频,精品人妻一区二区三区毛片。??时势4：性爱视频网站18
??01月31日,10省区210家医疗机构实现病历互通,
一是理论基础获得夯实。通过政治理论专题的学习，使我们进一步加深了对xx大、科学发观和党的农村政策的熟悉和明确，升华了同志们的政治理论和头脑熟悉。在这次培训班上，通过系统学习，填补了平时缺乏周全、系统学习理论知识的缺憾，进一步提高了理论素质。特殊是通过连系我区现实，学习墟落经济理论后，对我区目今以致以后一段时期的农村政策及解决“三农”问题，实现农民增收有了新的看法。
,直接观看黄的免费网站,国内精品成人久久影院,柳岩裸乳被爆 白浆的网站。??01月31日,坚持以党的创新理论指导推动新时代统战工作高质量发展, 大桥跨度大，受温度、风场、暂时荷载安排等影响严重，线形波动大，建设团队立异接纳了基于串联相机组网的实时线形丈量要领，每隔140米安排一组工业相机，通过机械视觉算法，开展多点同步丈量，掌握线形实时动态；在合龙口设置激光测距仪和倾角仪，安排各项监控传感器500余套；针对性地开发了合龙施工智能监控平台，实时感知合龙口状态，为合龙调控步伐提供依据。现场监测效果批注，桥梁整体线型可控，实测绝对高程与理论值误差最大为5厘米，远优于规范要求，整体线型匀顺，知足公路和铁路运行要求。,泡女超碰,精品 区二区三区MV,美女A片一级a_级a毛片。
责编：陈纲锦
审核：黄树金
责编：吴秋妹
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
