v2.47.4966.872524 安卓版
v8.9 安卓免費版
v9.95.301.277737 安卓漢化版
v8.570.4515 IOS版
v5.85.161.877722 安卓免費版
v2.92.9124 安卓免費版
v9.997 PC版
v7.153.2053 安卓最新版
v4.833.3194 安卓免費版
v8.297 最新版
v7.25 安卓版
v1.420 最新版
v9.1.2341.715510 安卓版
v3.307.22.642050 IOS版
v9.531.2395.119105 安卓最新版
v2.512.6172 最新版
v5.475 安卓版
v9.515.5930.359467 最新版
v6.832.5115.791304 最新版
v2.47.4729 安卓免費版
v5.679.5477.566459 最新版
v3.728.9539.287826 IOS版
v4.903.3879.34102 安卓免費版
v5.274.9086 PC版
v2.108.4999.627630 安卓最新版
v5.845.6271 安卓版
v7.109.5334.889270 安卓最新版
v5.274 安卓最新版
v4.357.2886.33189 安卓最新版
v5.651 安卓版
v9.10.4982.731645 安卓漢化版
v4.837.7449 安卓免費版
v4.981.4082.522474 PC版
v3.114.1402 IOS版
v6.280.968 PC版
v4.423.3480.999369 安卓免費版
v1.145.5125.292670 最新版
v3.871 最新版
v3.272 PC版
v7.345.7117.421397 安卓版
v3.746.1443 安卓免費版
v8.428.5048 PC版
v2.465.7561.646996 安卓版
v4.204 PC版
v3.502 安卓免費版
v7.298.8973 安卓免費版
v6.172.3814.472240 安卓免費版
v2.345 IOS版
v3.261.294.391885 安卓最新版
v6.504.9659.675481 安卓漢化版
v6.372 安卓最新版
v3.431.8689 IOS版
v7.419 最新版
v4.84 IOS版
v6.234 安卓最新版
v8.700.647.126263 安卓版
v3.834.2242.498319 安卓漢化版
v5.123.7439.5275 最新版
v3.628.6557.626725 最新版
v5.355.6782.358444 PC版
v6.936.6055 最新版
v5.313.7698.863458 安卓免費版
v8.514.4604.569652 安卓最新版
v9.979.8569.935604 PC版
v2.237.3598.753616 PC版
v8.783.7113.856837 安卓版
v3.802.17.933421 安卓版
v1.568.5287.891857 安卓漢化版
v8.235.3433.126347 PC版
v4.398.2829 最新版
v8.772.3565.288390 IOS版
v2.92.3610.319704 PC版
v2.595.4178 安卓版
v2.136.4044.885541 PC版
v7.50.9091.638640 IOS版
v8.168 最新版
v2.256.5034.454332 安卓最新版
v8.834.9792.648870 安卓最新版
v5.656.9119.391595 安卓免費版
v9.707.7117 最新版
一级片在线免费观看
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
欧美在线视频性爱日本
小 伸进 免费
免费人成网站在线播放
综合网 亚洲
欧美成年人
美女胸乳❌❌❌裸露免费
真人实拍女处破疼哭了
欧美a黄色网
免费观看黃色A片一级视频国产
真人无码作爱视频在线播放
涩色
黄片下载网站
久久久久亚洲AV无码专区
国产免费艹逼视频
无尽 触手 3D 粗
性在线播放
白丝 jk 乳 91动漫
日韩欧美国产一区呦呦
肏人网
扒開腿灌牛奶拏調挠痒痒
玖玖性爱视频
男人的 伸到 里网站
女处被破的视频
学生性群交
www.久久riav3
小天水电工硬小天于越分析
无码毛片高潮一级一
网红鹿少女视频剧情
欧美精品一区二区三区四区
日本619视频网站www
鲁鲁社龙卷