10月21日消息，據(jù)媒體報(bào)道，DeepSeek在GitHub上開源了其最新研究成果——DeepSeek-OCR模型。

據(jù)介紹，DeepSeek-OCR的參數(shù)量約為3B，是研究團(tuán)隊(duì)對(duì)“光學(xué)二維映射壓縮”技術(shù)在長(zhǎng)文本上下文處理中可行性的首次探索。

該模型核心由DeepEncoder與DeepSeek3B-MoE-A570M解碼器構(gòu)成：DeepEncoder能夠在高分辨率輸入條件下保持低激活狀態(tài)，實(shí)現(xiàn)高壓縮比并生成適量的視覺token；解碼器則負(fù)責(zé)將這些視覺token準(zhǔn)確轉(zhuǎn)化為文本信息。

實(shí)驗(yàn)數(shù)據(jù)顯示，當(dāng)文本token數(shù)量控制在視覺token的10倍以內(nèi)（壓縮率<10 x ）時(shí)，OCR識(shí)別精度可達(dá)97%；即使壓縮率提升至20×，模型準(zhǔn)確率仍能維持在60%左右。

研究團(tuán)隊(duì)表示，這一成果為長(zhǎng)上下文壓縮技術(shù)以及大語言模型的記憶與遺忘機(jī)制研究提供了新的思路與方向。

論文標(biāo)題：DeepSeek-OCR: Contexts Optical Compression

項(xiàng)目地址：https://github.com/deepseek-ai/DeepSeek-OCR

論文地址：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek_OCR_paper.pdf

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