目今位置:首页 → 电脑软件 → 韩国女主播自曝在菲律宾吸毒 → 国内在线黄色 v5.981.7155.789539 最新版
v8.709.5221.92225 安卓版
v1.6.3033.834459 安卓漢化版
v3.475.4306.925202 安卓最新版
v3.784 安卓免費版
v4.337.8076.235187 安卓版
v4.718.2916 安卓版
v7.153.1553.562270 安卓免費版
v2.491.8230.262160 IOS版
v2.297 安卓免費版
v8.374.6708.540246 安卓版
v6.700.9112.879923 安卓版
v5.434.7591 最新版
v4.689.443.458258 安卓免費版
v5.997 IOS版
v9.405.3674.913870 安卓最新版
v3.323.5319 IOS版
v7.733.6055.405955 安卓漢化版
v3.491 最新版
v2.840.2262.209315 安卓最新版
v4.150.4886.83481 安卓免費版
v9.454.3470.561979 安卓漢化版
v5.945.755.41521 PC版
v4.973 最新版
v5.184.8996.869561 最新版
v9.587.4156.235356 安卓免費版
v2.942.266.881484 PC版
v5.590.3475.61367 安卓版
v6.285 PC版
v8.820.1825.932925 IOS版
v3.975.7845 PC版
v9.282.5883 最新版
v9.940.9737 安卓免費版
v4.283.8267.986488 安卓版
v7.142.1337 安卓漢化版
v3.367.2974.872324 安卓版
v7.870.2415.116811 安卓版
v8.107.5243 PC版
v9.788 PC版
v7.730.3866 安卓免費版
v9.752.4444.955053 IOS版
v5.697 IOS版
v9.311.8742.150785 最新版
v5.327.9066.89340 安卓漢化版
v9.283.1792.785732 IOS版
v3.948.3082 安卓版
v7.312.4887.536671 安卓版
v3.363.6588 IOS版
v3.523 安卓版
v7.593.9832.530537 PC版
v7.999 安卓版
v9.180.4985 安卓版
v8.958.3152.894558 安卓最新版
v3.291 安卓漢化版
v4.800 安卓漢化版
v9.319 PC版
v4.13 IOS版
v8.844.7177 最新版
v3.642.8977.865490 IOS版
v5.966 安卓漢化版
v5.305.7732.378103 安卓免費版
v7.926.3813.214968 安卓版
v2.557.2575.581456 安卓版
v3.254.9728 PC版
v3.640.7422.454247 IOS版
v9.444.5046.585329 安卓版
v5.659.3091.766812 安卓最新版
v4.643.6993.106510 安卓漢化版
v9.250.1673 IOS版
v4.759.6618.41577 安卓版
v3.713.9567.600140 安卓漢化版
v9.758 安卓免費版
v7.789.6009.204826 安卓版
v8.773.9995 安卓版
v3.54.2924 安卓漢化版
v7.556 IOS版
v6.928.7129 安卓最新版
v3.242.7360.3213 最新版
v5.482 安卓最新版
v6.454.4850.293634 安卓漢化版
v4.365 安卓漢化版
国内在线黄色
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
久久精品视频样
国产aav
另类图片激情文学
黄污网站在线免费观看
18禁在线观看
www.欧美精品
久久精品黄站
热久久精品这里都是精品
国产老熟女高潮视频
欧洲无码视频激情喷水
αAα网站
蜜臀一级毛片在线看不卡
在线亚洲国产丝袜秘书网站
一级a片啪啪免费视频
很很操狠狠干很很日
藏精阁精品视频在线
打朴克又喊又叫高清
天天狠
六月婷婷国产精品综合