猫眼影戏
 |
|
猫眼影戏
程广治
手机审查
猫眼影戏记者 巴蒂斯塔 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：亚洲欧美日韩国产一区
??01月30日,中国驻美大使谢锋：“成长中的烦恼”完全可以克服,
第二，加速城镇化历程，是协调推进“三化”历程的基础途径 。“三化”之中，工业化是焦点，城镇化是载体，农业现代化是基础，三者相互依存、相互增进 。现在城镇化历程滞后已成为影响我县经济社会生长的一个瓶颈 。城镇化的滞后，使工业化既缺乏有力的支持，又缺乏辽阔的市场，还使农业现代化缺乏有用的推动实力，影响农民收入的增添，影响农村现代化历程 。这就要求我们必需认清温顺应经济社会生长的趋势和纪律，顺应农民向城镇集聚、到城镇生长的强烈愿望，通过培育一批发动力强的城镇，更好地施展城镇化在工业化和农业现代化中的纽带作用，走以城带乡、以工促农、城乡一体的生长路子，实现城乡经济相互增进，一、二、三工业联动生长 。
,人人入人人干人人爱爱爱爱爱 。??01月30日,甘肃每年向全国各地送电超过520亿千瓦时，近一半是新能源,
蛟鹏的手臂在轻颤，感受像是撞了一头犼的身上，如骨折般疼痛，他万万没有想到，一个嘴角还残留着奶渍的孩子，差点间他给抡爬下 。
,97热久久免费频精品无码,免费在线观看黄色视频AAA,午夜毛片 。??时势2：jizz日本jizz
??01月30日,“半导体工业新粮食”“军用领域万能添加剂”……禁止对美出口的两用物项有哪些军事用途？,
最后，对此次培训班提出三点希望 。第一，珍惜时间，集中精神认真学习，听好课，做好条记;第二，认真遵守课堂纪律 。第三，发挥理论联系现实的学风，连系目今和自己头脑现实，回去深刻意会学习内容并运用于实践当中 。
,A片黄色网,国产日韩欧美黄片,中文字幕在线视频第二页 。??01月30日,侨乡新征程｜保山“侨味”餐馆见证四十余年生活变迁,
今年7月11日，国务院决议，在天下建设农村最低生涯包管制度 。这是一件划时代的事务，充分体现了党和国家对农村贫困群众基本生涯的极大致贴，是继作废农业税后出台的又一重大惠农政策 。一直推进和完善农村低保事情的康健生长，是践行“三个代表”主要头脑的详细体现，是贯彻落实好科学生长观、构建社会主义协调社会、建设社会主义新农村的需要，是解决“三农”问题的主要办法和步伐，同时，也是增进城乡统筹生长、维护社会稳固的主要包管，是顺民意、得民心的一项主要事业 。我区的各州里、各有关部分要提高熟悉，从实践“三个代表”主要头脑、落实科学生长观、构建社会主义协调社会的高度，充分熟悉做好这项事情的主要意义，切实增强责任感和使命感，接纳有力步伐，把这项惠及贫困群众的好事抓紧抓实，让农民群众获得实着实在的利益，亲自感受到党和政府的眷注和温暖 。
,邻居大爷掏出来又粗又长小说,日本银河大乳头,黄片A片免费在线观看 。??时势3：亚洲一区二区图片
??01月30日,逐“新”提“质”！“文旅+科技”共创暑期消费新体验,
虽然，这只是他的一种宝术罢了，影响不到他的真正气质，只是眸子清亮中多了一种坚贞 。
,在线A片观看视频,国产精品久久久久久精品免费观看,史上最狂深喉呕吐调教 。??01月30日,古城刮起“攀岩风”：西安青年热衷“墙上见”,
一是进一步加大建设投入 ；岷，县里将再次组织召开建设事情协调会，研究安排验收组提出的整改意见，从人力、物力、财力上包管整改使命的落实 。二是进一步明确整改责
,欧美精品视频免费在线观看,九九九黑客破解家庭网络,,暧暧清高无码一区二区 。??时势4：acg糖漫画汉化组漫画库在线
??01月30日,京沪楼市政策调整效果如何,
事实上，上古先民有信仰，时常祭拜神灵，着实就是在膜拜某只至强的生物 。
,性老人XXXXⅩ,欧美精品视频一区二区三区,桃色免费黄色视频欧美 。??01月30日,党纪学习教育问答 | 烧香拜佛、算命看风水，党员如果参加算是迷信吗？,
谢谢各人
,瑟瑟的网站,亚洲一区二区三区偷拍,国产做爰XXXⅩ高潮视频12p 。【谢锋：中国坚持“开门”“修路”“挂钩”，与世界分享改革发展红利】
【东湖公证归侨侨眷服务站与泰国江西总会（总商会）签约 探索“司侨合作”新模式】
责编：朱永新
审核：约翰·胡德
责编：纳森·凡德尔克里普
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
