猫眼影戏
 |
|
猫眼影戏
庞亚轮
手机审查
猫眼影戏记者 张盛 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：美女野外后λ式动态图片搜索
??02月03日,大范围雨雪已展开 周末寒潮来袭南方也有机会下雪,
这么大的喜事，自然不会比及天明，要让所有族人都知道，省得心中焦虑与担心。
,十大黄色免费网站。??02月03日,我和总书记面对面丨全面提升新兴领域战略能力,
一群孩子哇哇大叫，在绿草如茵的漂亮湖岸上奔驰，探讨着怎样钓龙须鱼，用以来强壮筋骨，他们越来越盼愿实力了。
,国产干玖玖,毛片www一级,91午夜免费视频。??时势2：一级a一级a爰片免费免免丿∴
??02月03日,浙江杭州：自动驾驶网约车上路试运行,
“这么大的实力，未来给你铸造武器都贫困。”一位族老笑容可掬，无论怎么看都不像是嫌贫困，而是很兴奋。
,xxx18下载安装,wWW777在线视频,色哟哟没费视频。??02月03日,四川打造新时代更高水平“天府粮仓” 耕地面积净增加50万亩以上,
以是，在此，我真诚地提醒每一位同砚能够起劲做到：
,散兵拿黄瓜x自己污水喷口,oⅴerf|ow真 人版,欧美zozozoooporn。??时势3：XXXX79🍆🍆HD
??02月03日,2024年上海夜生活节夜间消费总额达1852亿元人民币,
然而，小不点揪住他的鬓毛，危坐在上面稳如磐石，撼之不动，像是与它凝聚为一体，生长在了上面。
,八酱的爆料免费观看最新一期,丰满人妻中文字幕乱码,91强行扒开内衣吃奶。??02月03日,客家祖地福建连城二月二“闹春龙” 200米长龙祈丰年,
住民们，同志们，人类文明的生长历程也是人与自然灾难斗争的历程。人类总是在以坚韧不拔的精神战胜灾难的历程中一直前进。在这场突如其来的大灾眼前，我们的国家;我们的政府和我们的人民尚有我区的住民们体现出了令人钦佩的勇气、信心和团结的实力。我们这个民族，平时有着山一样的玖犀清静，似乎默然不语;但在灾难袭来时，却能爆发出亮彻宇宙的光线。那些泉涌般的广博关爱，那些磐石般的永恒真诚，而我们的行动告诉了天下，我们让殒命变得有尊严且有意义，让生涯变得笃定而有包管。 天灾无情人有情。我们将与四川人民携手并肩，配合资助灾区人民重修优美家园。
,美女裸体被操的网站,一级性生话,国产片A片AAA毛片在线。??时势4：欧美一级精品新版在线
??02月03日,科学减脂，“迈开腿”要跟上 | 科普时间,
拯救一片绿色，叫醒一片天空，生涯一泓清水，自觉做到绿色生涯，绿色事情，绿色生产，配合创立我们的绿色未来。
,黃色大片黃色大片兒,国产精品秘 果冻传媒吴梦梦,亚洲国产午夜一区二区。??02月03日,江苏南京：年夜饭堂食预订火爆 外卖服务更便捷,
“祭灵快降临吧！”狈里青披头散发，神色涨的血红，此后又变得铁青，心情恐怖的吓人，再也没有了此前的从容。
,人人操在线看,3级片日本,美女网站免费看。【【东西问】胡鞍钢：进一步深化改革、中国式现代化将为世界带来什么？】
【(新春走基层)探访中国彝家第一村攀枝花市迤沙拉村】
责编：汪经理
审核：弗兰克
责编：卢佩茨贝格则
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
