Le nouveau modèle DeepSeek-OCR est impressionnant, mais ce qui est le plus intéressant, c'est la possibilité d'utiliser des jetons visuels à un niveau plus fondamental : les modèles peuvent-ils raisonner directement dans l'espace latent visuel ?

"Bien que centré sur l'OCR en tant que preuve de concept, ce paradigme ouvre de nouvelles possibilités pour repenser comment les modalités de vision et de langage peuvent être combinées de manière synergique pour améliorer l'efficacité computationnelle dans le traitement de texte à grande échelle et les systèmes d'agents."

Cela peut avoir un impact énorme sur le traitement des documents pour la finance, le conseil et les domaines connexes. Auparavant, les tableaux et les graphiques représentaient un grand problème pour que les modèles puissent les lire correctement. Légende : Dans le domaine des rapports de recherche financière, le mode de parsing approfondi de DeepSeek-OCR peut être utilisé pour obtenir des résultats structurés des graphiques dans les documents. Les graphiques sont une forme cruciale de représentation des données dans les domaines financier et scientifique, et l'extraction structurée des graphiques est une capacité indispensable pour les futurs modèles OCR.