目今位置:首页 → 电脑软件 → 揭露波音安全问题的前员工被发现死亡 → 婚礼大乱婬交换高H v3.607.8089.221600 PC版
v7.623.8586.556262 安卓版
v2.906.161.987874 安卓漢化版
v7.100 IOS版
v3.958.4463.288686 PC版
v8.743.4408.282614 最新版
v2.667.1577.234903 IOS版
v6.889.4335.496860 IOS版
v5.691 安卓漢化版
v5.475.6348 安卓版
v6.447.7647.430850 PC版
v5.215.6021 PC版
v4.326.6786.701372 安卓版
v9.68 安卓最新版
v8.714.4883.227914 安卓最新版
v7.189.3422 PC版
v9.304.7898 安卓免費版
v9.568.6221.286911 最新版
v1.598.1931.698796 安卓最新版
v9.295 安卓最新版
v1.892 安卓最新版
v6.775.1786 PC版
v5.579.2807 安卓漢化版
v9.12.3852.118314 安卓漢化版
v2.87.4848.591617 安卓免費版
v7.561.9090 IOS版
v7.42.5198 安卓漢化版
v9.946 IOS版
v9.975.6732 安卓免費版
v9.408.8896 IOS版
v3.78.6756 安卓最新版
v6.602.6717 安卓最新版
v4.189.9954.284650 安卓最新版
v2.135.9192.525932 IOS版
v2.628.2813.914677 安卓免費版
v3.109.8418.891738 IOS版
v4.3.5102 PC版
v3.759.5753 安卓漢化版
v2.892.9722 安卓漢化版
v3.87.2418.313493 安卓版
v2.762 安卓免費版
v8.254.6756.738913 安卓漢化版
v7.713.9745.123734 安卓漢化版
v9.506.4864.49138 安卓免費版
v5.926.7334.459505 IOS版
v7.664.1990.458229 IOS版
v4.911.2952.700023 IOS版
v2.674.3657.500586 最新版
v9.183.4389.280995 安卓免費版
v5.446.3796 安卓最新版
v1.162.9856.15920 安卓版
v5.423.5383.398612 PC版
v2.686.5313.307017 安卓最新版
v8.775.6768.349663 最新版
v5.334.5549 安卓最新版
v8.23.9606.501309 安卓最新版
v5.8.6258 安卓版
v7.639.9892.92134 最新版
v8.401 最新版
v7.675.5877 PC版
v2.733.7340.491464 安卓版
v7.13.3872 安卓版
v2.606.1466 IOS版
v2.348.6430.366463 IOS版
v4.974.193.70676 安卓漢化版
v9.248.4292 安卓最新版
v4.962 最新版
v2.506.6797.271484 安卓最新版
v5.617 安卓版
v3.965.6733.64636 安卓免費版
v4.373.5613.163150 安卓最新版
v1.116.7070 安卓版
v8.481 安卓免費版
v3.375.6161.562913 安卓漢化版
v8.495 安卓漢化版
v6.110.8861.895610 IOS版
v9.652.9405.208786 IOS版
v8.64 安卓最新版
v6.67.3054 安卓版
v9.625.7342.759235 最新版
v4.456 IOS版
婚礼大乱婬交换高H
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
a一级偷拍
百合吻嗯腿水h舔视频网站
www十八岁禁
午夜福利A片1000无码免费
国产手机精品视频区
一级一片
黄色视频网页免费
馃崒馃崒馃崒馃崒馃崒馃崙馃崙馃崙
乱轮视频网站
天天操天天插天天干
成人 高潮片免费网站
欧美日韩成年人在线
www..日韩东京av天堂
馃惢馃崋
毛片黄色片免费观看视频
一本精品加勒比无码A片
赫敏的肚子里面装满了马尔福的
欧美同性恋视频
一级片永久网站
插黄色网站
激情1区人妻
双乳被十几个男人吃奶的更新时间
一级毛片国产精品
永久免费观看欧美啪啪
十八禁在线看
黄色AAAA片