Một bài viết giúp bạn hiểu rõ các chi tiết của DeepSeek-OCR 2! Kèm trải nghiệm thực tế!
Chuyên mục: WaytoAGI · AIHOT.VN · Tác giả / Nguồn: Ban Biên Tập AIHOT.VN · Cập nhật:
Tóm tắt cốt lõi: Bản cập nhật lớn DeepSeek-OCR-2 sử dụng kiến trúc LLM làm bộ mã hóa thị giác, giải quyết bài toán sắp xếp Token thị giác nhờ kiến trúc chú ý hai luồng sáng tạo, nâng cao đáng kể hiệu quả nhận dạng trong các kịch bản như chữ viết dọc, chữ hiếm gặp, đồng thời đặt nền móng cho đa phương thức gốc! Trong thử nghiệm thực tế, việc nhận dạng nội dung in máy, chữ viết tay đơn giản và các công thức cơ bản rất chính xác. Mặc dù nhận dạng chữ viết tay phức tạp và cấu trúc bảng vẫn còn không gian để tối ưu hóa, nhưng so với phiên bản V1 đã có sự tiến bộ rõ rệt. Tác phẩm mã nguồn mở mới này mang lại giá trị thực tiễn cực kỳ cao!