猫眼影戏
 |
|
猫眼影戏
马国强
手机审查
猫眼影戏记者 丁汉平 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：拖👙❌❌❌摸🐻网站官方版下载
??02月05日,中国西藏第五届跨喜马拉雅国际公路自行车极限赛第二赛段在拉萨开赛, 主航道桥合龙施工工序重大、施工难度大、精度要求高。想要高质量“缝合”，把合龙精度控制在毫米级别，需要练就“绣花”功夫。建设团队使用主梁纵移调解合龙口间距，通过调解索力消除合龙口高差，配合桥面暂时荷载移动等要领，使合龙口两侧钢桁梁高程、转角坚持一致，最终实现合龙口毗连栓孔的高精度对位，最大的误差仅2毫米。,黄色毛片熟女。
??02月05日,国泰航空招聘的首批内地空乘完成培训并将执勤,
一个企业的生长与科技立异息息相关，无数事实证实任何一个企业只有高度重视“科技立异”，一直在企业中实科技施立异的手段，企业才会一直爆发出新的经济增添点，展现新的面目。
,黄色网站免费的啊啊女人,色色色色色色色色色色色网站,一级特黄AA片免费。??时势2：maplestar全资源免费
??02月05日,珠海百年古村蝶变国际村,
其他人闻听马上一怔，一只通俗的小山兽怎么能遭受的了远古遗种的精气神，必定会被攻击地死掉。
,国产大学生黄色片,国产办公室里玩秘书在线观看,91夫妻视频。??02月05日,第96届奥斯卡奖揭晓 《奥本海默》夺7奖成最大赢家,
“我知道。”小不点颔首，此后盯住了他肩头的那只羽翼鲜艳的鸟儿，问道：“老爷子，这鸟也是你自己吧？化成了这个样子。”
,免费激烈网站,www.色色操,青草青在线播放。??时势3：AF19尤妮丝竖版舞蹈内容
??02月05日,你好 法国,
增强从政品德建设的须要性，从政品德，是从政者在施政历程中的品德，它是从政小我私家的品德信心、品德情绪和品德水准在行使权力历程中的反应，作用于从政者的行为取向和行为历程。由于向导干部从政的身份和事情性子的特殊性，以是其从政品德建设在整个社会品德民俗中具有十分主要的意义。详细地说：
,李宗 贝贝高潮两次视频,18禁看黄片,aaa超黄视频。??02月05日,帮人买金条能轻松赚大钱？殊不知是为电信诈骗洗钱,
“小友，看在我借你武器的份上，你是不是可以思量将宝骨卖给我？”旁边，一其中年人凑了过来。
,羞羞.cOM,无码一区二区三区春药,国产日韩精品无码久久久。??时势4：云缨张开双腿被强❌小说
??02月05日,如何巩固经济向好势头？财政部称将重点从六方面持续发力,
(一)村干部要践行群众蹊径，甘为孺子牛。 人民群众是我们的实力源泉，亲近联系群众是我党最大的政治优势。宽大村干部生长在下层，生涯在下层，事情在下层，与群众接触最为亲近，对他们的所思所想所盼最为清晰，要始终践行党的群众蹊径，甘为孺子牛。要坚持从群众中来，到群众中去，真正和群众打成一片，听民声、访民意、察民情、排民忧、解民难，一直增进与人民群众的真情实感。要鼎力大举学习弘扬焦裕禄精神，特殊是他 “ 心中装着全体人民、唯独没有他自己 ” 的公仆情怀，大兴效劳群众之风，想群众之所想，急群众之所急，帮群众之所需，认真解决民生问题，起劲把为群众排忧解难的各项事情落到实处。要以 “ 起劲贡献 ” 为座右铭，把人生价值与党和人民事业的生长细密连系起来，多想群众少想自己，多想事业少想名利，坚持在其位、谋其政、尽其责，真正把所有心思和精神用在做事创业上，做到为官一任、造福一方。
,JIZZJIZZ JIZZJIZZ日本视频,baqizi,久久久99视频这里有精品。??02月05日,中国成功发射千帆极轨03组卫星,
“族长，山脉深处那只恐怖的狻猊大都要老死了，近期一直在咆哮、挣扎。”
,18馃埐ph,两个人的视频WWW片一区二区,国产 日本 欧美。责编：郭文景
审核：中路—西
责编：农合行
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
