爱情保卫战

打好引育服务“主动牌” 当好助企发展“暖心人”_我的网站

dnf

一 | 今年以来，抚顺市人力资源社会保障局充分发挥人社部门助企纾困重要作用，大力实施一系列“惠企”“强企”“暖心”行动，为企业排忧解难。就在刚刚，DeepSeek开源了一个3B模型DeepSeek-OCR。聚焦企业人才需求，从保障用工、暖心服务、人才引育等方面强互动、搭平台，多措并举满足企业用工需求，持续做好助企发展“暖心人”。

二 | 　　为解决我市各类企业用工难问题，市人力资源社会保障局认真落实国家、省各项稳就业、促就业举措，出台系列具体政策措施，以升级实施“雷锋在线365”扎根计划为动能，聚焦群众求职和企业用工供需两端，通过市场聚合、部门联动、沈阳现代化都市圈多城互联、跨区域合作招聘等方式，推动高质量充分就业。　　抚顺市人力资源社会保障局党组书记、局长黄文来说：“市人力资源社会保障局持续灵活运用“互联网+”思维，将就业岗位搬上网，通过“抚顺就业”微信公众号精心设计开展重大项目重点企业保障用工引才行动、“心系中小微助民企发展”用工保障专项行动、2024年“百日千万招聘专项行动”等分行业、分主题的线上招聘活动，大力提升招聘服务力度，倾力打造“云字号”就业服务直通车。虽然体量不大，但模型思路创新的力度着实不小。1-8月份，通过公众号共发出就业“职”通车155列，发布企业791家次，岗位10655个次。” 　　此外，市人力资源社会保障局还通过开展现场招聘活动，切切实实将就业岗位递到有就业愿望的求职者手中，引导重点群体及各类求职者到用工单位就业，为供需双方搭建零距离对接平台。同时，利用抖音平台开展直播带岗，主持人在线介绍岗位详情，将用工企业优质岗位进行一一推送，充分运用互联网思维模式优化供需对接服务，拓宽求职者就业择业渠道。众所周知，当前所有LLM处理长文本时都面临一个绕不开的困境：计算复杂度是平方级增长的。序列越长，算力烧得越狠。通过新媒体短视频平台，精心打造“小何带您进企业”视频探岗，与企业零距离接触。

三 | 主播走进车间，现场展示企业生产及员工工作环境，对求职者关心的薪酬待遇、用工保障等问题，企业负责人在现场进行一一解答；走进企业活动，求职者互动关注性高、参与感强，更大程度优化了招聘效果，以优质高效的线上服务，努力助推求职者与用工单位实现人岗无障碍对接。于是，DeepSeek团队想到了一个好办法。

四 | 　　据了解，今年1-8月份。

五 | 　　全市公共人力资源服务机构共举办313场现场招聘活动，进场企业8401家次，提供就业岗位124639个次；进场求职近5.6万人次，共达成初步就业意向4444人。既然一张图能包含大量文字信息，而且用的Token还少，那不如直接把文本转成图像？这就是所谓的“光学压缩”——用视觉模态来给文本信息“瘦身”。而OCR正好天然适合验证这个思路，因为它本身就是在做“视觉→文本”的转换，而且效果还能量化评估。论文显示，DeepSeek-OCR的压缩率能达到10倍，OCR准确率还能保持在97%以上。　　开展直播带岗活动共207场，人社局长走进直播间活动8期，参会企业4947家次，提供岗位63211个次，累计在线观看551093人次。

六 | 啥意思呢？就是说，原本需要1000个文本Token才能表达的内容，现在只用100个视觉Token就搞定了。

七 | 即使压缩率拉到20倍，准确率也还有60%左右，整体效果相当能打。　　开展6期视频探岗活动，播放量5.8万人次。　　抚顺市人力资源社会保障局党组书记、局长黄文来说：“市人力资源社会保障局将持续聚焦完善就业优先政策，把缓解企业招工难题作为一项长期工作内容，注重强化工作举措，狠抓工作落实。

八 | OmniDocBench基准测试结果显示：只用100个视觉Token，就超过了GOT-OCR2.0（每页256个Token）的表现；用不到800个视觉Token，干翻了MinerU2.0（平均每页超过6000个Token）。通过积极开展针对性强、点对点的个性化服务，用真心与真情助企纾困，促进企业壮大发展。在实际生产中，一块A100-40G显卡就能每天生成超过20万页的LLM/VLM训练数据。

九 | 20个节点（160块A100）直接飙到每天3300万页。

十 | DeepSeek-OCR由两个核心组件组成： DeepEncoder（编码器）：负责图像特征提取和压缩； DeepSeek3B-MoE（解码器）：负责从压缩后的视觉Token中重建文本。让我们来重点说说DeepEncoder这个引擎。它的架构很巧妙，通过把SAM-base（8000万参数）和CLIP-large（3亿参数）串联起来，前者负责“窗口注意力”提取视觉特征，后者负责“全局注意力”理解整体信息。中间还加了个16×卷积压缩器，在进入全局注意力层之前把Token数量大幅砍掉。” 责任编辑：李丹。举例而言，一张1024×1024的图像，会被切成4096个patch token。

十一 | 但经过压缩器处理后，进入全局注意力层的Token数量会大幅减少。这样的好处是，既保证了处理高分辨率输入的能力，又控制住了激活内存的开销。而且DeepEncoder还支持多分辨率输入，从512×512的Tiny模式（64个Token）到1280×1280的Large模式（400个Token），一个模型全搞定。目前开源版本支持的模式包括原生分辨率的Tiny、Small、Base、Large四档，还有动态分辨率的Gundam模式，灵活性拉满。解码器用的是DeepSeek-3B-MoE架构。别看只有3B参数，但采用了MoE（混合专家）设计——64个专家中激活6个，再加2个共享专家，实际激活参数约5.7亿。这也让模型既有30亿参数模型的表达能力，又保持了5亿参数模型的推理效率。

十二 | 解码器的任务就是从压缩后的视觉Token中重建出原始文本，这个过程可以通过OCR风格的训练被紧凑型语言模型有效学习。

十三 | 数据方面，DeepSeek团队也是下了血本。从互联网收集了3000万页多语言PDF数据，涵盖约100种语言，其中中英文占2500万页。数据分两类：粗标注直接用fitz从PDF提取，主要训练少数语言的识别能力；精标注用PP-DocLayout、MinerU、GOT-OCR2.0等模型生成，包含检测与识别交织的高质量数据。对于少数语言，团队还搞了个“模型飞轮”机制——先用有跨语言泛化能力的版面分析模型做检测，再用fitz生成的数据训练GOT-OCR2.0，然后用训练好的模型反过来标注更多数据，循环往复最终生成了60万条样本。此外还有300万条Word文档数据，主要提升公式识别和HTML表格解析能力。场景OCR方面，从LAION和Wukong数据集收集图像，用PaddleOCR标注，中英文各1000万条样本。 DeepSeek-OCR不仅能识别文字，还具备“深度解析”能力，只需一个统一的提示词，就能对各种复杂图像进行结构化提取：图表：金融研究报告中的图表可以直接提取为结构化数据；化学结构式：识别并转换为SMILES格式；几何图形：对平面几何图形进行复制和结构化解析；自然图像：生成密集描述（dense captions）。这在STEM领域的应用潜力巨大，尤其是化学、物理、数学等需要处理大量符号和图形的场景。第一作者Haoran Wei此前曾供职于阶跃星辰，期间发布并开源了GOT-OCR2.0系统值得注意的是，DeepSeek团队在论文里还提出了一个脑洞大开的想法——用光学压缩模拟人类的遗忘机制。人类的记忆会随时间衰退，越久远的事情记得越模糊。DeepSeek团队想，那能不能让AI也这样？于是，他们的方案是： 1. 把超过第k轮的历史对话内容渲染成图像； 2. 初步压缩，实现约10倍的Token减少； 3. 对于更久远的上下文，继续缩小图像尺寸； 4. 随着图像越来越小，内容也越来越模糊，最终达到“文本遗忘”的效果。这就很像人类记忆的衰退曲线，近期信息保持高保真度，久远记忆自然淡化。

十四 | 虽然这还是个早期研究方向，但如果真能实现，对于处理超长上下文将是个巨大突破——近期上下文保持高分辨率，历史上下文占用更少计算资源，理论上可以支撑“无限上下文”。

十五 | 简言之，DeepSeek-OCR表面上是个OCR模型，但实际上是在探索一个更宏大的命题：能否用视觉模态作为LLM文本信息处理的高效压缩媒介？初步答案是肯定的，7—20倍的Token压缩能力已经展现出来了。当然，团队也承认这只是个开始。

十六 | 单纯的OCR还不足以完全验证“上下文光学压缩”，后续还计划开展数字–光学文本交替预训练、“大海捞针”式测试，以及其他系统性评估。

十七 | 不过不管怎么说，这在VLM和LLM的进化路上，又多了一条新赛道。去年这个时候，大家还在卷怎么让模型“记得更多”。今年DeepSeek直接反其道行之，不如让模型学会“忘掉一些”。确然，AI的进化，有时候不是做加法，而是做减法。小而美，也能玩出大花样，DeepSeek-OCR这个3B小模型就是最好的证明。 GitHub主页：http://github.com/deepseek-ai/DeepSeek-OCR 论文地址：https://github.com/deepseek-ai/DeepSeek-OCR/blob/main/DeepSeek\_OCR\_paper.pdf 模型下载：https://huggingface.co/deepseek-ai/DeepSeek-OCR 本文来自微信公众号：APPSO （ID：appsolution）。