云財(cái)經(jīng)訊，1月28日，優(yōu)刻得(688158)完成DeepSeek-OCR-2接入。 據(jù)悉，DeepSeek最新開(kāi)源(300109)的DeepSeek-OCR-2，通過(guò)架構(gòu)適配DeepEncoder V2，摒棄了經(jīng)典的CLIP視覺(jué)分支，采用LLM作為視覺(jué)編碼器，并提出視覺(jué)因果流(Visual Causal Flow)范式，以解決多模態(tài)大模型在面對(duì)復(fù)雜表格或非線性文本時(shí)，往往會(huì)出現(xiàn)的語(yǔ)義與序列錯(cuò)配問(wèn)題。 具體來(lái)看，傳統(tǒng)的視覺(jué)語(yǔ)言模型(VLM)存在固有的歸納偏置：光柵掃描，并施加固定的絕對(duì)位置編碼(從左到右，從上到下)。這與人類“基于語(yǔ)義邏輯跳躍掃描”的視覺(jué)認(rèn)知機(jī)制背道而馳——人類在閱讀文檔時(shí)，目光是隨著邏輯流動(dòng)，遇到表格會(huì)按列或按行掃視，遇到分欄會(huì)自動(dòng)跳躍。