DeepSeek-OCR 相关 AI 资讯 · AI 热点

8月4日

11:46

11:46

官方一手arXiv: DeepSeek@Yonghan Gao, Zehong Chen, Lijian Xu, Jingzhi Chen, Jingwei Guan, Xingyu Zeng

以DeepSeek-OCR为代表的视觉-文本压缩方法在长上下文任务中宣称了很高的token压缩比。但现有评测依赖下游任务表现，MLLM的语义先验会掩盖文本保留的真实质量。新框架将视觉与语义能力解耦，ZeroSense Benchmark特意降低测试样本的语义关联。跨多个数据集的实验显示，压缩质量和下游准确率出现明显分歧，说明解耦式评测是必要的。

论文 DeepSeek-OCR ZeroSense 视觉-文本压缩

推荐理由：DeepSeek-OCR这类压缩方法旧评测没测准，ZeroSense基准去掉语义干扰后，压缩质量和下游准确率明显脱节。

6月24日

12:40

12:40

小互@imxiaohu

精选

百度发布新 OCR 模型 UnlimitedOCR，支持单次推理解析数百页文档，同时保持高吞吐速度。在 OmniDocBench v1.5 基准上，其准确率达到 93%，比原始 DeepSeek-OCR 基线提升 6 个百分点。模型已开源，可在 Hugging Face 和 GitHub 下载。

AI模型 UnlimitedOCR Baidu OmniDocBench

推荐理由：百度新出的 UnlimitedOCR 能一次处理几百页，速度还很快，直接比 DeepSeek-OCR 高了 6 个点，真正好用。

6月23日

13:55

13:55

Geek@geekbb

精选

百度开源了一个基于DeepSeek-OCR升级的视觉语言模型OCR项目，支持一次性解析超长文档。该模型提供两种推理模式：gundam模式用于处理单张图片中的密集文字，base模式适用于多页文档或PDF。项目代码已在GitHub上发布，允许开发者直接使用。

AI模型百度 DeepSeek-OCR 视觉语言模型

推荐理由：百度开源的OCR模型，在DeepSeek-OCR上做了升级，能一次性处理超长文档和密集文字，两种模式很实用。

00:47

00:47

berryxia@berryxia

精选72°

百度在Hugging Face上开源了Unlimited-OCR模型，其核心创新是R-SWA（Reference Sliding Window Attention），让KV Cache保持恒定，避免随页数爆炸。该模型可一次性解析单张图或多页PDF，在OmniDocBench上获得93分，比DeepSeek-OCR高出6个百分点。它取代了传统“分块+拼接”流程，实现端到端长文档理解，输出质量更高。

AI模型 Unlimited-OCR 百度 OmniDocBench

推荐理由：百度开源了Unlimited-OCR，几百页文档一次搞定，不用分块拼接，速度稳准狠，OmniDocBench上93分压了DeepSeek-OCR一头。