10 月 21 日消息，据「Al寒武纪」报道，DeepSeek 团队近日发布全新研究成果 DeepSeek-OCR，提出「上下文光学压缩」方法，为大模型长文本处理带来突破性思路。
研究显示，通过将长文本渲染为图像，再转化为视觉 token，能够在保持高精度的同时显著降低计算成本。
实验数据显示，在小于 10 倍压缩率下，OCR 解码准确率高达 97%；即便在 20 倍超高压缩率下，准确率仍能维持在约 60%。在权威文档解析基准 OmniDocBench 上，该模型以更少的视觉 token 超越了多项主流 SOTA 模型。
在实际应用中，单台 A100-40G GPU 每天可处理超过 20 万页文档，为大模型训练提供海量数据支持。
目前，相关代码与模型权重已在 GitHub 与 Hugging Face 平台开源。
💻 GitHub：https://github.com/deepseek-ai/DeepSeek-OCR/
🤗 Hugging Face：https://huggingface.co/deepseek-ai/DeepSeek-OCR
声明：内容来源公开的各类媒体平台，若收录的内容侵犯了您的权益，请联系邮箱，本站将第一时间处理。