💡
原文中文，约3000字，阅读约需7分钟。
📝
内容提要
DeepSeek发布了新模型DeepSeek-OCR，采用光学压缩技术，将文本转为图像，压缩率可达10倍，准确率超过97%。该模型通过DeepEncoder提取特征，支持多分辨率输入，具备深度解析能力，适用于STEM领域。团队还探索AI的“遗忘”机制，以提高超长上下文处理效率。
🎯
关键要点
- DeepSeek发布了新模型DeepSeek-OCR，采用光学压缩技术，将文本转为图像，压缩率可达10倍，准确率超过97%。
- DeepSeek-OCR通过DeepEncoder提取特征，支持多分辨率输入，具备深度解析能力，适用于STEM领域。
- 模型由两个核心组件组成：DeepEncoder负责图像特征提取和压缩，DeepSeek3B-MoE负责从压缩后的视觉Token中重建文本。
- DeepEncoder架构巧妙，结合了SAM-base和CLIP-large，支持高分辨率输入并控制内存开销。
- DeepSeek团队收集了3000万页多语言PDF数据，涵盖约100种语言，数据分为粗标注和精标注。
- DeepSeek-OCR具备深度解析能力，能够对复杂图像进行结构化提取，适用于化学、物理、数学等领域。
- 团队探索AI的“遗忘”机制，通过光学压缩模拟人类记忆的衰退，提升超长上下文处理效率。
- DeepSeek-OCR展示了7-20倍的Token压缩能力，探索视觉模态作为文本信息处理的高效媒介。
❓
延伸问答
DeepSeek-OCR模型的主要功能是什么？
DeepSeek-OCR模型主要通过光学压缩技术将文本转为图像，具备高达10倍的压缩率和超过97%的准确率。
DeepSeek-OCR是如何提高超长上下文处理效率的？
DeepSeek-OCR通过探索AI的“遗忘”机制，将历史对话内容渲染成图像并逐步压缩，从而减少计算资源的占用。
DeepSeek-OCR的核心组件有哪些？
DeepSeek-OCR由DeepEncoder和DeepSeek3B-MoE两个核心组件组成，前者负责特征提取和压缩，后者负责文本重建。
DeepSeek-OCR在STEM领域的应用潜力如何？
DeepSeek-OCR具备深度解析能力，能够对复杂图像进行结构化提取，适用于化学、物理、数学等领域。
DeepSeek团队是如何收集训练数据的？
DeepSeek团队收集了3000万页多语言PDF数据，涵盖约100种语言，数据分为粗标注和精标注。
DeepSeek-OCR的压缩能力如何？
DeepSeek-OCR展示了7-20倍的Token压缩能力，能够有效减少文本信息的处理量。
➡️
