v6.500 安卓漢化版
v2.331.7511.239432 IOS版
v4.671.3281 PC版
v6.129 安卓版
v5.635.6969.539168 最新版
v2.564.846 IOS版
v2.152 安卓免費版
v1.76.1660 安卓最新版
v5.288 IOS版
v5.20.5622.352452 安卓免費版
v1.424.4026.209196 安卓版
v1.577.1057.822452 最新版
v1.459.2865.785977 最新版
v7.301 安卓漢化版
v3.324 安卓最新版
v8.595.6626 最新版
v6.796 安卓版
v9.582.6855.456889 安卓版
v6.852.1529 安卓版
v8.163 PC版
v7.618.7863.73455 安卓最新版
v6.53.6783 PC版
v5.880 PC版
v2.58 安卓版
v2.901.407 IOS版
v7.772.8784.642064 安卓免費版
v8.275.8079.980802 IOS版
v6.45.5476.281631 安卓最新版
v6.613.2714.129125 安卓版
v7.179.9227.987621 安卓漢化版
v4.232.6312 PC版
v7.953.2113 安卓最新版
v7.141 IOS版
v6.231 安卓版
v6.663.5562.499608 安卓漢化版
v7.140.530.70448 最新版
v7.337.6513.595124 安卓版
v7.328 安卓版
v8.729.9633.133138 安卓最新版
v8.42 PC版
v3.154.9312 IOS版
v9.251.3678.65365 安卓免費版
v8.451.4153.165272 安卓最新版
v2.783 安卓最新版
v2.847.1116.926241 安卓最新版
v3.293.4265.380563 PC版
v8.632.1210.590655 安卓最新版
v4.74.596.316606 安卓最新版
v2.164.3070 最新版
v5.531.2166.423766 安卓免費版
v3.14.2007.772794 PC版
v3.896.3981.284514 安卓免費版
v3.420.7306.79027 安卓版
v9.205.9135.619908 安卓漢化版
v2.464 PC版
v1.905.5722.311935 安卓最新版
v7.203.8143 安卓最新版
v2.177.1013.488306 最新版
v7.403.7335.421393 安卓版
v4.443 安卓版
v5.117.524.79370 安卓版
v7.718 IOS版
v6.362.8395 PC版
v8.261.4152.323528 安卓漢化版
v9.850 安卓版
v2.137.8510.478976 IOS版
v1.272.2298.995878 最新版
v7.726 安卓版
v2.406 安卓最新版
v7.787.1683.653635 安卓版
v9.835.6618.435653 IOS版
v2.849.170.490062 安卓免費版
v9.347 安卓版
v6.630.3799 安卓漢化版
v6.695.2626 安卓免費版
v5.565.4944.311756 安卓免費版
v2.672.3610 安卓免費版
v9.377.4825.335837 PC版
v4.473.6670.891464 安卓免費版
v7.839.9931 最新版
免费成人视频
新智元报道
编辑:LRST
【新智元导读】DeepSeek-OCR的视觉文本压缩(VTC)手艺通过将文本编码为视觉Token,实现高达10倍的压缩率,大幅降低大模子处置惩罚长文本的本钱。可是,视觉语言模子能否明确压缩后的高密度信息?中科院自动化所等推出VTCBench基准测试,评估模子在视觉空间中的认知极限,包括信息检索、关联推理和恒久影象三大使命。
近期,DeepSeek-OCR依附其立异的「视觉文本压缩」(Vision-Text Compression, VTC)范式引发了手艺圈的高度关注,以少少的视觉Token实现高效的文本信息编码,为长文本处置惩罚开发了新路径。
这一突破性希望让大模子处置惩罚超长文档的本钱大幅降低,但也抛出了一个焦点问题:当长文本被高度压缩为2D图像后,视觉语言模子(VLM)真的能明确其中的内容吗?
为相识答这一疑问,来自中科院自动化所、中国科学院香港立异研究院等机构的研究团队推出了首个专门针对视觉-文本压缩范式的基准测试——VTCBench。
论文链接:https://arxiv.org/abs/2512.15649
VTCBench链接: https://github.com/Moenupa/VTCBench
VLMEvalKit链接:https://github.com/bjzhb666/VLMEvalKit
Huggingface链接: https://huggingface.co/datasets/MLLM-CL/VTCBench
图 1:视觉-文本压缩 (VTC) 流程演示及VTCBench
与古板大模子直接读取成千上万的纯文本Token差别,VTC范式(如DeepSeek-OCR)先将长文档渲染 (Rendering)为高密度的2D图像,再由视觉编码器转化为少量的视觉Token。
该手艺可实现2倍至10倍的Token压缩率,显著降低了长文本处置惩罚时的盘算与显存开销。
VTCBench现已在GitHub和Huggingface周全开源,其衍生版本VTCBench-Wild是一个统一的、全方位评估模子在重大现实场景下视觉文本压缩的鲁棒性,现已集成到VLMevalkit。
焦点使命
权衡「看得见」之后的「看得懂」
现在的VLM也许能精彩地完成OCR识别,但在处置惩罚 VTC 压缩后的高密度信息时,其长文本明确能力仍存疑。
VTCBench通过三大使命,系统性地评估模子在视觉空间中的认知极限:
1.VTC-Retrieval (信息检索):在视觉「大海」中寻找特定事实的「针」(Needle-in-a-Haystack),测试模子对空间漫衍信息的捕获能力。
2.VTC-Reasoning (关联推理):挑战模子在险些没有文本重叠的情形下,通过关联推理寻找事实,逾越纯粹的词汇检索。
3.VTC-Memory (恒久影象):模拟超长对话,评估模子在视觉压缩框架下,抵御时间与结构性信息衰减的能力。
别的,团队同步推出了VTCBench-Wild,引入 99 种差别的渲染设置(涵盖多种字体、字号、行高及配景),全方位检测模子在重大现实场景下的鲁棒性。
揭秘视觉压缩背后的认知瓶颈
图 2:VTCBench针对模子在长图像中检索信息的热力争。横轴代表上下文长度,纵轴代表要害事实(Needle)在文档中的深度。展现了模子体现的「迷失」与突破。
测试效果泛起出显著的「U 型曲线」:与文本模子类似,视觉语言模子(VLM)能够精准捕获开头和最后的信息,但关于中心部分的事实,明确能力会随着文档变长而强烈衰退。这证实晰纵然在视觉空间,模子依然保存严重的「空间注重力私见」,是未来 VTC 架构优化的要害偏向。
行业洞察
视觉压缩是长文本的终局吗?
通过对GPT、Gemini、Claude、QwenVL、InternVL、Gemma、KimiVL、Seed1.5等10余种尖端模子的深度评测,可以发明:
虽然VTC极大提升了效率,但现有VLM在重大推理和影象使命上的体现仍普遍弱于纯文本LLM;
消融实验证实,信息密度是决议模子性能的要害因素,直接影响视觉编码器的识别精度;
Gemini-3-Pro在VTCBench-Wild上体现惊艳,其视觉明确能力已险些追平其纯文本基准,证实晰VTC是实现大规模长文本处置惩罚的极其可行的路径!
总结
若是说古板的长文本处置惩罚是「逐字阅读」,那么DeepSeek-OCR所引领的VTC范式就是「过目成诵」的摄影式影象。VTCBench的泛起,正是为了确保模子在拥有这种「超能力」的同时,依然能够读懂字里行间的微言大义。
参考资料:
https://arxiv.org/abs/2512.15649
秒追ASI
?点赞、转发、在看一键三连?
点亮星标,锁定新智元极速推送!
相关版本
多平台下载
审查所有0条谈论>网友谈论
激情国产手机视频在线观看
97视频人人爰人人添人人爽
啊 死我
精品亚洲福利在免费360搜索
在线播放的av网站
影音先锋一区二区资源
亚洲欧美日韩久久一区二区三区
日本自慰秘 无码一区二区网站
十八禁的动漫视频网站
欧洲三A黄色视频
91午夜免费视频
欧美日韩国产高清视频二区
小明黄色大片
Av免费看的网站
哦欧美A片免费短视频
群发宣传册小猴导航
itchadult成人
大鸡吧操逼抽插视频
欧美大胸美女自慰到喷水
色爽一出一进
免费黄色a级网站
正在播放麻豆国产AV
人人操人人操人人操人人操人人操人人操人人操
久久久久久免费黄色片网站
人人艹人人操
日夲A片特级毛片视频
高清欧美在线