猫眼影戏
 |
|
猫眼影戏
前田敦子
手机审查
猫眼影戏记者 孟妍贾 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：国模大尺度私拍AV
??01月29日,大熊猫“福宝”营业了！大家关心的问题请看这里↓↓↓,
接下来的日子里石村很安定 ，可山脉深处却不清静 ，时时有兽吼惊天 ，震的群山都在摇动 ，乱石翻腾。
,日本黄色软件在线观看。??01月29日,迎世界读书日 北京将开展772场阅读活动,
时光荏苒 ，弹指间 ，昔日那群很萌的小娃已经生长成为即将结业的大孩子了。有位著名柳青说过：人生的蹊径虽然很漫长 ，但要害的时间往往只有几步。小学结业应该是人生中要害的一步!你们十一、二岁的肩上将要承载别样的重任;幼小的身躯将要迎接严肃的磨练。
,ehryje.loan 居家自插,台湾黄色视频,胸片2024年已更新。??时势2：日本又黄又刺激免费网站
??01月29日,时政微周刊丨总书记的一周（1月8日—1月14日）,
新年伊始 ，在许多人还陶醉在节日的气氛中时 ，我们在这里召开20xx年度总结表扬聚会 ，首先我代表局党组向在座的列位 ，并通过你们向全体医务职员及其眷属致以迟到问候!向节日时代一直坚守岗位的所有医务事情者体现最真挚的新年祝福!向刚刚受到表扬的**名优异医务事情者和**个优异整体体现祝贺 ，希望你们要再接再厉 ，戒骄戒躁 ，争取取得越发优异的效果 ，同时也希望未受到表扬的同志们要在新的一年里迎头遇上。
,精品久久精品亚洲Av,78色国产精品,等不急了在车上c。??01月29日,河南平顶山煤矿事故1名被困人员升井 仍有5人失联,
“小兄弟话不可这样说 ，工具已经在我们手里 ，你已经赞成了。”扑面的人笑道 ，一副你能奈我何的样子。
,张婧仪裸被 视频,免费无码婬片A片AAA毛片,老师胸乳 裸露视频在线观看。??时势3：欧美一级玖玖玖玖玖玖玖玖玖大片
??01月29日,最高法：知识产权侵权代价和违法成本显著提高 2023年适用惩罚性赔偿判赔金额超11.6亿元,
二、关注课间、自习、活动课清静。
,淫黄h黄游.乱大交小说下载,美女被cao免费看网站大全,毛片网页。??01月29日,暑期消费叠加“奥运效应” “奥运经济”激发多个行业消费活力,
人才步队建设是学校一切事情的重中之重。上半年 ，医学学科校友梅林教授受聘为我校“____”特聘讲座教授 ，3位学者受聘为“赣江学者”讲座教授。3位教授获评为第三届“_省突出孝顺人才”人选 ，33人入选_省“赣鄱英才555工程”第三批次名单。在第53批中国博士后科学基金面上资助评选中 ，1人获一等资助(_省仅1位) ，2人获二等资助。在第6批中国博士后科学基金特殊资助评选中 ，1人获中国博士后科学基金特殊资助。9位学者新增为中国博士后科学基金评审专家。
,二月K丅V女厕全景后拍,一区二区三区人与虫,《歪歪色漫》入口免费。??时势4：宅福利蜜桃社无圣光
??01月29日,处暑节气适合做哪些运动？丨时令节气与健康,
石子陵举矛 ，还能说什么？唯有一战 ，黄金战矛周围泛起一个又一个神符 ，如金属铸成 ，有一种酷寒的质感 ，围绕战矛 ，透发着无以伦比的神威。
,鲨鱼裤累出唇形,高清无码啪啪啪网站,海贼女帝蛇姬监狱海军2。??01月29日,北京优化调整公交专用车道通行措施8月31日起陆续实施,
【陕西强化耕地保护 耕地面积达4560.83万亩】
责编：张亮录
审核：蓝莲花
责编：邹璐
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
Copyright (C) 2001- Dzwww 鲁ICP备09023866号-1
