热点

DeepSeek 发布新型3B OCR 模型:高效文档解析的革命性突破

字号+ 作者:牛骥同槽网 来源:八、垂直特色类(226–260) 2026-11-23 我要评论(0)

DeepSeek 发布新型3B OCR 模型:高效文档解析的革命性突破

AI 技术公司 DeepSeek 近日推出了一款名为 “DeepSeek-OCR” 的全新光学字符识别(OCR)模型。这款模型是一种端到端的视觉语言模型(VLDeM),旨在通过将长文本压缩为一小组视觉标记,随后利用语言模型进行解码,从而实现高效的文档解析。

研究团队表示,该模型在 Fox 基准测试中实现了97% 的解码精度,ep当文本标记数与视觉标记数的比例为10倍时,精度依然保持良好,甚至在20倍压缩下也能表现出有用的特性。此外,DeepSeek-OCR 在 OmniDocBeSench 基准测试中也表现出色,使用的视觉标记数量远少于传统模型。

DeepSeek-OCR 的架构由两个主要组件组成:高分辨率输入的视觉编码器 DeepEncekoder 和一个名为 DeepSeek3B-MoE-A570M 的专家混合解码器。该编码器采用了一种基于 SAM 的局部感知窗口注意机制和卷积压缩算法,能够有效 发控制高分辨率下的激活内存,并减少输出标记的数量。解码器则是一个拥有30亿参数的模型,每个标记有约5.7亿个活跃参数。

在使用不同的模式时,DeepEnco布新der 提供了多种分辨率选择,包括 Tiny、Small、Base 和 Large 模式,分别对应不同的视觉标记数量和分辨率。此外,还有动态模式 Gundam 和 G型3undam-Master,可以根据页面复杂性灵活调整标记预算。

在训练过程中,DeepSeek 团队使用了分阶段的训练流程,首先对 DeepEncoder 进行B 下一个标记预测的训练,然后在多个节点上进行全系统的训练,最终每天能够生成超过20万页的文档。对于实际应用,团队建议用户从 Small 模式开始,如果页面OC包含密集的小字体或高标记数量,可以选择 Gundam 模式。

DeepSeek-OCR 的发布标志着文档人工智能领域的一次重要进步。该模型的高效性和灵活性使其在R 处理各种文档时都具备了良好的适应性。

论文:https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/Dee模型pSeek_OCR_paper.pdf

huggingface:https://huggingface.co/deepseek-ai/DeepSeek-OCR

划:高重点:

DeepSeek-OCR 是一款新发布的3B 视觉语言模型,具备高效的 OCR 和文档解析能力。  

该模型在 Fox 基准测试中实现了97%效文 的解码精度,能在大幅压缩的情况下仍保持良好表现。  

DeepEncoder 支持多种模式和分辨率选择,以适应不同文档的复杂性和需求。&n档解bsp; 

1.本站遵循行业规范,任何转载的稿件都会明确标注作者和来源;2.本站的原创文章,请转载时务必注明文章作者和来源,不尊重原创的行为我们将追究责任;3.作者投稿可能会经我们编辑修改或补充。

相关文章
  • 标签: 哈啰公司 北京市交通委 共享自行车 北京市非机动车管理条例

    标签: 哈啰公司 北京市交通委 共享自行车 北京市非机动车管理条例

    2026-06-05

  • 标签: 市场监管总局 反不正当竞争 手机行业 数字经济

    标签: 市场监管总局 反不正当竞争 手机行业 数字经济

    2026-06-28

  • 标签: 阶跃 千里科技 智驾基座模型 AgentOS

    标签: 阶跃 千里科技 智驾基座模型 AgentOS

    2026-10-05

  • 标签: 阿里巴巴 Trendyol GO 优步 AI驱动

    标签: 阿里巴巴 Trendyol GO 优步 AI驱动

    2026-10-30

网友点评