Don't Miss
DeepSeek新光學技術｜有效壓縮長文本
By 信報財經新聞 on October 24, 2025
原文刊於信報財經新聞「CEO AI⎹ EJ Tech」
內地科企深度求索（DeepSeek，DS）日前發布最新研究成果，開源旗下一項光學字符識別（OCR）技術，但它實際是「醉翁之意不在酒」，非但希望協助處理文件，更是打算探索如何突破人工智能（AI）記憶樽頸。
OCR減少使用詞元
OCR指讓電腦把掃描圖檔的影像，轉回可以進行編輯的文字格式。傳統OCR主要依託不同的模組，分階段進行預處理、檢測、辨識、後處理等任務。
到近年OCR開始AI化，改用視覺語言模型（VLM）合併處理，但若文件太長或版面太複雜，VLM需理解大量上下文關聯，導致耗費詞元（Token），時間大增。
為克服此難題，DeepSeek研發兩項解碼器：一是負責視覺特徵提取與壓縮的DeepEncoder，可以有效控制記憶體和詞元壓縮；二是提供文本重建的DeepSeek3B專家模型，推理時啟用5.7億參數，就能得到30億參數規模的表達能力。OmniDocBench基準測試中，DeepSeek模型明顯節省更多Token。
更重要的是，DeepSeek提出開創性的「上下文光學壓縮」（COC）方案，旨在利用OCR技術，解決大型語言模型（LLM）處理長文本的運算負擔。當中模擬人類記憶的遺忘機制，透過多層次壓縮來減少Token用量，首先把文本渲染為視覺資訊，並且依照進程逐步縮小，需要時才解壓還原。
實驗顯示，DeepSeek方案於不同壓縮規模下，可達致6.7倍至19.7倍的壓縮比率，而準確度則介乎59.1%到98.5%之間，證明模型大致仍能理解還原文本，也讓外界普遍對COC前景抱有正面期望。
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
