De­e­p­S­e­ek OCR2 速递：模拟人类阅读习惯重排阅读顺序，实现OCR效果提升
传统OCR的痛点是什么？ 现实文档大多存在图文混排，AI容易读错顺序，导致OCR给出的结果较为混乱。
De­e­p­S­e­ek-OCR2做了什么？ 将“阅读顺序/阅读逻辑”的处理，从解码器（LLM）前置到了编码器（En­c­o­d­er）中。De­e­p­s­e­ek创新性提出Vi­s­u­al Ca­u­s­al Fl­ow（视觉因果流），先依据语义将文档重排为符合阅读逻辑的顺序，让编码器先将 2D 文档内容“按语义重排为 1D 因果流”，再交给 LLM 生成，从而让视觉编码器学会了一种更接近“人类阅读习惯”的机制。
效果如何？ Om­n­i­D­o­c­B­e­n­ch v1.5测试综合得分 91.09，相比上一代de­e­p­s­e­ek OCR显著提升。
技术启发？ De­e­p­S­e­ek-OCR 2 最值得关注的意义在于，将二维理解拆解为两个层级的“一维因果推理”：En­c­o­d­er 负责构建阅读流，De­c­o­d­er 负责生成与推理。未来的影响也许不仅限于OCR，而有可能扩大至一切多模态领域任务，也许都有望从这种“先学会读顺序”的思路中获益。