首页
下载APP
首页
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
《你懂的 视频在线》，《Q8X2R7L1T4J5M9B6W3》永久免费的青在线视频
“天堂最新版在线WWW官网中文地址国产日韩v精品一区二区”
女性艹
……
02月02日
“免费观看变态视频网站”在中国发展的美国演员
↓↓↓
02月02日，韩国4.8级地震共造成277处设施受损 含国家遗产建筑，灌醉迷晕国产在线，美女裸体羞羞 免费视频，国产AV剧情，飞霄翻白眼流口水流眼泪图片
02月02日，习言道｜中国和法国长期以来相互欣赏、相互吸引，国产精品第三页在线观看，激情图片网站，亚州无码一级日韩，国产一级黄色视频在线观看网站
02月02日，湖北襄阳：一杯高香茶撑起绿色富民大产业，国产二区视频在线，xxxx23欧美性，国产又大又硬又爽免费视频试，高中生含脚趾丨ⅤK
02月02日|商务部：希望世贸组织成员不要把贸易救济措施当成贸易保护工具探访高原药学实验室：“最强大脑”如何运作？|狼友视高清视频免费版|亚洲日韩激情无码一区国产|欧美性情网|欧美777777精品视频
02月02日|第46个植树节回头看：中国人种树到底有多牛？|快手露出走光福利视频|极品少妇蚌肉湿漉漉|馃崙馃崙馃崙馃崋馃崋|人人洗澡人人插
02月02日|【光明时评】中国经济“飞得更高”|iqy6.ai_iqy3.ai_iqy7.ai|黄片一级久久公欧美|十八禁黃色成人网站免费|羞羞漫画www.u17.com……
02月02日，武汉出台楼市新政 优化购房落户手续，无码人妻一区二区三区神彩美，小南被爆 自慰流水的小说，天天色天天干网址，亚洲日韩一级免费毛片
02月02日，创造队史！BLG获得2024英雄联盟LPL春季赛冠军，啊〜用力〜嗯〜轻一点苏新皓，邪恶天堂AV免费观看全部，国产精品免费福利久久首页，蜜桃av色偷偷av老熟女
02月02日|新春的牵挂|jzzijzzij亚洲乱熟无码|爱搞视频天堂|国产又黄又爽的视频|白丝大乔 扒腿爽出白色液体
02月02日，江西省第四家“盒马村”落户泰和县 助力老区好产品触网上云，久草鲁丝五月资源电影，欧美一级a片视频免费看,欧美性爱片，www.五月婷.com，18馃崙馃崋
02月02日，专家：不同呼吸道病原体没有交叉免疫 可能同时或交替感染，插曲的痛软件大全，噜噜噜在线，特级欧美视频AAAAAA，东方影库1800
02月02日，国台办：“反渗透法”早已沦为民进党当局谋取一党私利的政治工具，羞羞网站动漫二改，狼友视频亚洲，全黄三级片视频观看AAAAAAA，搜索黄色网站操老逼
02月02日|国务院听到了你的声音|色77在线观看无码视频|欧美一区黄|99九九免费精品|干欧美美女
02月02日|报告显示中国中小企业景气指数实现年度“两连升”|骚逼|色多多爱爱视频|h人成在线看免费视频|我也是想吸 流澜器打开 666hhh.xyz
02月02日|香港金管局：“虚拟银行”创新业务模式获香港市场广泛接受|mogu.3cc|❌❌❌到高潮nxgx|zO0O与人XXXB|男c女 黄秘 B站
JDG官宣ALE加入大梦归离，JDG官宣Ruler离队|德国马牌全球首款自修补+静音棉旗舰XC7轮胎发布，途虎养车平台独家首发|A片视频免费网站|免费观看黄网址|久久一级黄色视频|A片观看
监制：邓金木
策划：赖晗
主创：唐征宇 林箴贺 陈佛烘 颜亦阳 陈林韵
编辑：王家菁、段圣祺
中国三门峡盆地钻获高产工业油流
外交部提醒在叙中国公民尽快撤离或转移至相对安全区域
读懂中国，共享中国式现代化机遇（和音）
中外学者共同撰写“跨文化中国学丛书”第一辑新书面世
重庆2023年GDP迈上3万亿元新台阶 专家解读：“3万亿”如何炼成？
超7500吨 我国最大海上智能油田群日产量创新高
逾百位专家学者“老子故里”论“道”
央广财评 | 连续11年全球最大工业机器人市场 中国新质生产力产业正成长
雨中坚守 守护三千余名旅客平安转运
龟兹文化“刻”入铜器 新疆匠人兄弟传承老手艺
王者荣耀❌同人禁网站
99久久久免费精品免费
免费男女高潮一级A片
无遮挡黄片毛片
99久久夜色精品国产网站
国产三极片
成人无码黄漫
江门健身器材厂家用小鲤营销导航
激情视频二三四五六七八九+区
国产中文一区在线
闽公网安备 35010302000113号