v5.561.2476.463822 安卓免費版
v8.368.6608 安卓版
v3.949.985 安卓版
v8.289.5208.397190 安卓最新版
v7.810.5561 安卓免費版
v7.168 最新版
v8.801.7293.185179 安卓版
v3.747.7081.931904 IOS版
v2.390.4645.92075 安卓漢化版
v2.776.3693.863766 IOS版
v4.982 安卓漢化版
v1.767 最新版
v1.74.7797.900310 安卓漢化版
v7.682.8434 安卓免費版
v5.230.9062.183897 安卓版
v1.48.8497.690549 最新版
v5.572.9454 安卓漢化版
v4.266.8907.364083 安卓最新版
v4.937.3741.70761 安卓漢化版
v3.864.6615.687314 PC版
v2.672 PC版
v9.125.6375.65037 安卓最新版
v5.917.7801.193902 安卓版
v8.25.5572.586949 PC版
v7.21.851.651871 IOS版
v7.747.2443 IOS版
v2.173.9956 IOS版
v1.833.4833.298837 安卓最新版
v6.0.8742.673528 安卓免費版
v9.968.9000 IOS版
v4.566.4790.522697 安卓漢化版
v4.323.4124 安卓漢化版
v6.700 安卓免費版
v5.66.3267.33521 安卓版
v1.110.1628.314279 安卓最新版
v4.408 PC版
v3.841 安卓漢化版
v8.716 IOS版
v2.692 安卓漢化版
v1.300.1662.608621 安卓最新版
v5.867.9244.237633 安卓最新版
v2.257.5289 最新版
v2.226.4922.982872 PC版
v2.620.2710.541126 安卓漢化版
v5.851.1205 安卓版
v5.337 安卓最新版
v6.178 安卓漢化版
v2.542.8106.339538 安卓最新版
v1.911.5261.72624 PC版
v8.666.3911.291237 安卓版
v4.715.9012 最新版
v5.882.2183.716205 安卓免費版
v7.113 PC版
v9.531.2147.355918 PC版
v4.418.1697 安卓漢化版
v9.95.7246.560661 安卓最新版
v7.251 IOS版
v2.931.4678 安卓漢化版
v7.827.3198 IOS版
v2.81.8193.815555 安卓最新版
v3.433.4201.372824 IOS版
v5.791 安卓版
v9.724.8415 最新版
v7.473.3074.452078 PC版
v6.635.2173 PC版
v9.725.6068.214240 PC版
v2.979.4581.12233 PC版
v3.517.9851 最新版
v8.996.635.207135 安卓漢化版
v1.585.1827 IOS版
v8.826 最新版
v8.214 IOS版
v4.220.6278.209945 IOS版
v6.610 安卓免費版
v6.668.1602 安卓免費版
v6.372.6645.834321 安卓漢化版
v4.242.3629.617969 IOS版
v7.491.7507 安卓漢化版
v9.584 安卓版
v7.408.8719.648482 PC版
日日干夜夜操一区二区三区
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
无码毛片一区二区三区视频免费播
黄色视频啊啊啊干我
spermatid破解版入口
日本三级视频网站
影视先锋av资源网
精品国产女同盗摄
雷电将军被丘丘人抓去繁衍后代
中国黄色aaa网站
第三十五集胡秀英怀孕最新消息
黄色免费啪啪啪高清网站
欧美在线视频区
未禁的黄色网站
国产aaa级免费操逼视频
JULIA无码人妻中文字幕手机在线
永久免费看的黄色网站
副利视频99
性生网站免费视频播放
欧美性交69xxxx
欧美18V game
人人揉人人操人人添
男女免费 插 视频播放
一区二区免费视频少妇
纯洁女学生被强伦轩视频免费观看
为您提供,欧美性交在线视频_欧美性交整片_欧美性开放BBw,无需下载手机在线观
高清无码色片
久久久国产精品免费A片蜜
欧美一级A片黑人粗一级A片
清清草影院欧美日韩
91在线无码精品秘 co
91A片网站
伊人一本一道精品中文字幕
捷克街道给钱看小馒头
在线无码午夜福利高潮视频
私密免费网站