DeepSeek פורצת שוב

DeepSeek מכריזה על מודל DeepSeek-OCR המשתמש בתפיסה חזותית כמדיום דחיסה לעיבוד מסמכים גדולים עם פי 20 פחות טוקנים בהשוואה לשיטות מסורתיות.

DeepSeek משחררת מודל בינה מלאכותית חדש שיכול לעבד מסמכים עם פי 7-20 פחות טוקנים בהשוואה לשיטות מסורתיות. צילום: The Verge .

על פי SCMP , DeepSeek הוציאה מודל חדש של בינה מלאכותית (AI) רב-מודאלית, המסוגל לעבד מסמכים גדולים ומורכבים עם מספר נמוך משמעותית של טוקנים, פי 7-20 פחות משיטות עיבוד טקסט מסורתיות.

אסימונים הם יחידות הטקסט הקטנות ביותר שמעבדת בינה מלאכותית. צמצום מספר האסימונים פירושו חיסכון בעלויות חישוב והגברת היעילות של מודל בינה מלאכותית.

כדי להשיג זאת, מודל DeepSeek-OCR (זיהוי תווים אופטי) השתמש בתפיסה חזותית כאמצעי לדחיסת מידע. גישה זו מאפשרת למודלי שפה גדולים לעבד כמויות עצומות של טקסט מבלי לגרור עלות חישובית שגדלה באופן יחסי.

"באמצעות DeepSeek-OCR, הדגמנו כי שימוש בתפיסה חזותית לדחיסת מידע יכול להשיג הפחתות משמעותיות של אסימונים - פי 7-20 עבור תקופות היסטוריות שונות, מה שמספק כיוון מבטיח", אמר DeepSeek.

על פי פוסט בבלוג של החברה, DeepSeek-OCR מורכב משני רכיבים עיקריים, ה-DeepEncoder וה-DeepSeek3B-MoE-A570M, הפועל כמפענח.

ביניהם, DeepEncoder משמש כמנוע הליבה של המודל, ועוזר לשמור על רמות הפעלה נמוכות תחת קלט ברזולוציה גבוהה, תוך השגת יחס דחיסה חזק כדי להפחית את מספר האסימונים.

המפענח הוא אז מודל תערובת מומחים (MoE) בן 570 מיליון פרמטרים, שתפקידו לשחזר את הטקסט המקורי. ארכיטקטורת MoE מחלקת את המודל לתת-רשתות המתמחות בעיבוד תת-קבוצה של נתוני הקלט, תוך אופטימיזציה של הביצועים מבלי להפעיל את המודל כולו.

ב-OmniDocBench, מדד קריאות מסמכים, DeepSeek-OCR עולה בביצועיו על מודלים מרכזיים של OCR כמו GOT-OCR 2.0 ו-MinerU 2.0, תוך שימוש בהרבה פחות טוקנים.

מקור: https://znews.vn/deepseek-lai-co-dot-pha-post1595902.html