猫眼影戏
 |
|
猫眼影戏
唐炜
手机审查
猫眼影戏记者 张云梅 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：鉂わ笍鉂わ笍鉂わ笍馃毇馃毇馃毇馃敒馃敒馃敒馃敒馃毇馃毇馃埐馃埐馃埐
??01月30日,俄宣布关闭波兰驻圣彼得堡总领馆 要求三名外交官限期离境,
“锵”的一声 ，小不点纵身扑击 ，雪白的小手竟拍在了铁箭上 ，将之震飞。众人都吃了一惊 ，这个小家伙速率好快 ，凌空一跃 ，竟截住了这样势猛力沉的一箭。
,黑獸2。??01月30日,黑色星期一，日韩股市重挫！,
然而 ，这却很是的被动 ，这种防御极其泯灭精气神 ，长此下去 ，小不点必定会被耗死 ，纵然有三座“火山口”为其增补也不可 ，过于被动。
,骚狗(完结 番外)笔趣阁,鸡巴搞逼正在播放视频高潮,18 免费观看网站。??时势2：deepseek成人版18+
??01月30日,翟立新任天津市副市长,
远远望去 ，谁人偏向散发着冲霄的光线 ，波动如海 ，宛若有一座永恒的神炉在天地间燃烧 ，犹如神明出生 ，照亮了四方。
,免费a√,亚洲最好的黄色网址,欧美人妻视频观看。??01月30日,透过数据看“暖意”：多措并举促经济、惠民生、暖民心,
雷道宝术一成 ，小不点整小我私家都多了一股锐气 ，闪电霸烈 ，代表了至强至阳 ，内蕴在他的身体内 ，养成了一股别样的气韵。
,2019色色,未满18岁禁止进入的网站,巨乳坐骑。。??时势3：人人操日日摸
??01月30日,新能源车销售如火如荼 充电老大难有了新解法,
标记人以为 ，诚信是构建和-谐社会的基础 ，是企业长期康健生长的条件。随着社会综合素养的一直提高 ，诚信将是一切经济和社会活动的最终价值取向。标记人注重每一个细节 ，信守每一项允许 ，始终坚持对客户认真、对社会认真的态度 ，全力打造诚信标记品牌。
,婷婷综合五月,我的世界爆乳28禁 视频,詹娜TV。??01月30日,（国际观察）斯塔默执政“蜜月期”的紧迫挑战,
三是广招人才 ，强化训练 ，打造了高素质的员工步队。本着职员本土化和德才兼备的人才看法 ，我们凭证总行的用人标准和分行生长的现实需要 ，面向地区 ，通过果真招聘的形式 ，遵照严酷的选拔程序 ，从报名的近300名人才中择优任命了28人。迄今 ，分行职员总数为38人 ，平均年岁32岁 ，其中30岁以下的有29人 ，占职员总数的76.3%。本科以上学历职员有37人 ，占职员总数的97.4%;34人具有银行事情履历 ，占总人数的89.5%。全体员工分批集中加入了总行企业文化、岗位手艺培训 ，并且所有通过了总行组织的员工上岗考试 ，抵达了上岗要求 ，为开业后给宽大客户提供文明高效、热情规范的金融效劳创立了条件。
,老阿姨熟女日本乱伦,国产一二三A片不卡视频,成一级在线视频。??时势4：欧美日韩国产亚洲无需播放器
??01月30日,西藏那曲：酥油花“绽放”藏传佛教寺院琼科寺,
同砚们 ，要知道人生离不开拼搏 ，就犹如你们不可拒绝生长一样。没有勤劳起劲是不可能有成绩的。这样的例子有许多许多 ，不枚胜举 ，触目皆是。邓亚萍平时用铁拍子训练 ，震撼天下的北京奥运会开幕式十万人苦苦训练了三年 ，一个燃烧仪式让李宁破晓一点训练到天亮 ，足足一个月 ，每一个获得金牌的运发动背后有几多汗水泪水甚至于鲜血 ？梢运得恳晃挥谐杉ǖ娜硕荚ζ床⑵鹁⑻剿鞴。勤劳学习是成为“天才”、“神童”的先决条件。经科学家研究 ，人是智力是有差别的 ，可是仅仅是差一点点罢了。以是说 ，“天才”、“神童”是靠人们勤劳学习而成为的。正所谓“勤劳成绩未来”。
,金先生87年柳智慧,国产精品久久久AV,九七黄色片。??01月30日,卫星视角看中国 | 跟随总书记足迹看长三角之变,
“这是什么村子 ，怎么会有这样一个祭灵 ？”另一族的人马中 ，一个少年受惊的盯着焦黑的老柳树。
,XXXcom馃崋馃崋馃崋,性真人人干视频,www.773c.cn免费网站入口怎么打不开。责编：洁西卡·瑞
审核：张菲菲
责编：戴旻阳
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
