DeepSeek 双创新，OCR2 会 “读” 文档，mHC 改写残差十年规则

本文介绍了DeepSeek在视觉语言模型和神经网络架构方面的两项核心技术创新。背景方面，传统OCR模型通常采用固定扫描顺序处理文档，而深度神经网络在层数增加时面临深度退化问题。研究目的上，DeepSeek-OCR2旨在通过引入“因果流”机制模拟人类阅读逻辑，实现动态语义驱动的文档理解；mHC新思路则试图在保持训练稳定性的前提下，突破传统残差连接的限制，构建更深的网络架构。结论显示，DeepSeek-OCR2在极少视觉Token下取得了超越现有模型的性能，其架构被视为迈向“通用模态编码器”的里程碑；而mHC通过流形约束成功稳定了超连接结构，证明了复杂非线性拓扑的可驯服性，为神经网络设计提供了新方向。