v4.419.7116.216851 安卓版
v3.68.6124.958684 PC版
v8.53.1691.630981 安卓最新版
v2.597.6225.755897 PC版
v4.478.885.118757 安卓最新版
v5.117.2156.926620 安卓最新版
v3.283.9011 PC版
v1.948.8023.927235 安卓最新版
v6.737 安卓免費版
v5.334 安卓最新版
v4.291 IOS版
v2.979 安卓漢化版
v4.572.8364.771322 最新版
v2.442.7962.601132 PC版
v7.381.1714.965236 PC版
v3.860.9616.534647 安卓漢化版
v3.238.4605 安卓最新版
v5.274.2960.54971 安卓版
v9.581.4435.342171 PC版
v3.910.8250.456418 安卓最新版
v2.564.996.680428 安卓免費版
v2.887.2852.629098 PC版
v7.910.5512.865564 PC版
v3.702.5738 最新版
v2.16.2183.818551 最新版
v4.344.7988.781319 IOS版
v3.782 安卓版
v3.598.9846.921788 安卓最新版
v5.731.3927 PC版
v9.331 最新版
v4.847.7905.85833 安卓漢化版
v5.230.8455.323693 PC版
v5.102.8031.994130 最新版
v6.718.4879.27393 IOS版
v1.77.9962.311602 安卓版
v7.744.1938.511999 安卓最新版
v8.620.9611.812642 安卓免費版
v1.640 安卓漢化版
v5.402.1832 IOS版
v7.940.4005.913989 IOS版
v4.694.1283 最新版
v4.177.6122.124701 安卓版
v8.136 IOS版
v9.709.8548.498803 安卓漢化版
v7.764.7243.273408 安卓免費版
v5.170 最新版
v3.648.5229.146090 安卓最新版
v9.208.7932 安卓漢化版
v2.842.777 安卓免費版
v7.645.615.600678 安卓版
v6.404.6450.406561 安卓版
v6.778.2818 安卓最新版
v4.694.4502.129141 安卓最新版
v7.894 安卓版
v1.466 安卓最新版
v3.614.6264 安卓版
v7.787.2337.463371 最新版
v2.645.7930.886874 最新版
v4.95.6078 IOS版
v5.530 安卓漢化版
v7.469 PC版
v2.697 最新版
v9.742.9977.255088 IOS版
v6.163.5898 PC版
v1.486.9502.110204 安卓最新版
v2.465.5184.680016 安卓免費版
v7.900.7869.209467 IOS版
v2.220.1589.917488 安卓最新版
v9.434 安卓免費版
v9.345.330.44902 最新版
v2.769.7761 安卓版
v9.271.9893.618657 最新版
v4.872.2016.593871 安卓版
v4.933.871.416126 安卓漢化版
v2.104.1091.139303 PC版
v3.216 PC版
v8.357.4539.86962 PC版
v4.782.2857.230192 最新版
v8.912.5517 安卓最新版
v1.749 安卓版
欧美特级免费的AAAAA片
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
同人A漫
到爽 奶头图片
日日操天天日三级片黄色
久久91精品国产一区二区
b站9.1免费版最新版下
男男骚受Gay-XXX
91偷拍福利网
永久一级黄片
九九视频九九视频在线
国产小电影网站
女课代表趴下让我捅
国产三级黄色片一区二区
国产强奸视频一区在线
国产精品免费久久久久电影网
荒野乱斗同人动漫免费版网址在线观看
a级毛片在线
狼友视频大全首页
花蒂被当奶头吸H
在线欧美一区二区