DeepSeek-OCR
Andrej Karpathy评DeepSeek-OCR论文:图像输入可能成为大语言模型新方向
特斯拉前自动驾驶负责人、OpenAI联合创始人Andrej Karpathy近日在推特上评论了开源的DeepSeek-OCR论文,提出了一个颇具启发性的观点:相比传统文本输入,图像作为大语言模型(LLM)的输入形式可能更加高效。 这一观点在AI研究社区引发了关于模型输入方式未来演进方向的讨论。 Karpathy认为,当前广泛使用的文本token输入方式可能既浪费又低效,未来研究或许应该转向图像输入。
10/21/2025 2:20:56 PM
AI在线
DeepSeek的新模型很疯狂:整个AI圈都在研究视觉路线,Karpathy不装了
「我很喜欢新的 DeepSeek-OCR 论文…… 也许更合理的是,LLM 的所有输入都应该是图像。 即使碰巧有纯文本输入,你更应该先渲染它,然后再输入。 」一夜之间,大模型的范式仿佛被 DeepSeek 新推出的模型给打破了。
10/21/2025 12:07:00 PM
机器之心
太强了!DeepSeek刚刚开源新模型,用视觉方式压缩一切
我们或许能通过文本到图像的方法实现近 10 倍无损上下文压缩。 没想到吧,DeepSeek 刚刚开源了新模型,还是一款 OCR 模型。 可以看到,该模型的参数量为 3B,刚上线不久就已经有 100 多次下载量了。
10/20/2025 5:50:00 PM
机器之心
- 1
资讯热榜
6秒视频10秒生成!全新AI视频神器 Grok Imagine 深度体验+元提示词分享
AI玩拼图游戏暴涨视觉理解力,告别文本中心训练,无需标注的多模态大模型后训练范式
OpenAI 为 ChatGPT 推出智能记忆清理功能,Plus 用户率先体验
大的来了:谷歌Gemini 3.0 Pro单次生成网页版操作系统,Win、Mac、Linux一网打尽
大模型降本增效,稀疏注意力机制的魔力在哪?
AI圈重磅发布!九大章节深度解读313页的State of AI 2025报告
实测,Claude Code 配合国内大模型,一样很牛x(完整配置教程)
英国政府提出 AI 节省 450 亿英镑计划,但专家质疑其可行性
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
机器人
数据
大模型
Midjourney
开源
Meta
智能
微软
用户
AI新词
GPT
学习
技术
智能体
马斯克
Gemini
图像
Anthropic
英伟达
AI创作
训练
论文
LLM
代码
算法
芯片
Stable Diffusion
苹果
腾讯
AI for Science
Agent
Claude
蛋白质
开发者
生成式
神经网络
xAI
机器学习
3D
研究
人形机器人
生成
AI视频
百度
大语言模型
Sora
工具
GPU
具身智能
RAG
华为
计算
字节跳动
AI设计
搜索
AGI
大型语言模型
场景
视频生成
深度学习
架构
DeepMind
视觉
预测
Transformer
伟达
编程
AI模型
生成式AI
神器推荐
Copilot