你懂得的黄色网站,拒绝平凡,让每一次打开都充满新鲜与期待

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗?中科院新基准给出谜底

2026-01-13 08:53:17
泉源:

猫眼影戏

作者:

赵二宝

手机审查

  猫眼影戏记者 刘峰 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:色色色色色综合视频国产

??01月13日,上海东又一“陆地航母基地”建设迎新进展,

  小红雀头上一簇赤羽霞光闪灼,根根倒立,显然很恼怒,但片晌后它竟又清静了下去,眼光奇异地盯着小不点看个没完 。

,十八岁禁黄 。

??01月13日,全面推进美丽中国建设 加快推进人与自然和谐共生的现代化,

  “小弟弟还怕羞啊,真可爱 。”为首的女子轻笑,眸波流转,睫毛颤抖,俏脸皎洁晶莹,闪灼着感人的光泽 。

,欧美日韩国产A片免费看,免费的黄色大片,网站,香焦视频三级片 。

??时势2:免费A级毛片无码免下载

??01月13日,创新产品 精进服务 安利推动大健康产业消费活力,

  天时人事日相催,冬至阳生春又来 。在这雪花飞扬,傲雪凌霜,孕育着新希望的优美日子里,我银行支行盛大开业了,这是我县经济金融生涯中的一件大事,也更是我县事业生长的主要里程碑 。我谨代表银行县支行,向莅临开业庆典的列位向导和嘉宾体现最热烈的接待!对支持体贴我县事业刷新与生长的各级向导和社会各界人士体现真挚的谢意!

,又色又粗又大视频在线观看,人人爱人人操人人叉,先锋影音av资源网站 。

??01月13日,在玉雕国魂中共享文化大餐 电视剧《宣武门》热播,

  4、若是被浓烟困绕,不必惊慌,万万不要直立行走,最好用膝盖、手肘着地快速的爬行,呼吸要小要轻,直到清静地带 。

,日不够影院,黄色软件视频免费在线播放,男生肌肌捅女生肌肌 。

??时势3:人妖自慰排精合集

??01月13日,“天府之国”携手“海上花园” 共享西部陆海新通道,

  它通体像是黄金铸成,虽死,但威势犹在,凶气弥漫,金色绚烂映照的整片山地都绚烂了起来,连树叶都成为了淡金色 。

,一级毛片性交影院,成人直播网站,www.日韩一区 。

??01月13日,成都千亩荷塘荷花盛开迎来观赏期,

2024医院院长总结大会讲话 篇3

,国产AV好痛好紧,亚洲熟妇Av导航综合网,在线综合色 。

??时势4:女同学被 到爽 91漫画

??01月13日,“以节为媒”激活乡村旅游 山东邀八方客品“鲁味”年,  9月13日,顶端新闻记者在儿慈会9958儿童紧抢救助的微信公众号搜索到的“中华儿慈会2022年度最佳向导力奖”的相关文章里,柯某孝的信息已经被删除,整个公众号也都无柯某孝的信息 。,好看的电影哚哚影音,黄片在线看1,亚洲欧洲国产精品久久久 。

??01月13日,我国再生资源产业形成较为完整的产业链,什么回收量最大?,

  刹那间,一群人爆笑,嘴巴难以合拢,有些人直接笑的弯下了腰 。

,叶山小百合儿子被欺负完整版视频,久久久久小视频,日本授乳房色片 。

责编:樱子

审核:莫拉兰

责编:埃利斯

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图