目今位置:首页 → 电脑软件 → 房屋养老金收费标准确定?假的 → 老熟精品视频一区二区 v5.860 安卓漢化版
v4.538 安卓漢化版
v7.402 IOS版
v1.219.8423 最新版
v8.550 安卓漢化版
v8.187.843.32131 安卓漢化版
v5.542 安卓最新版
v1.651.9150 IOS版
v9.554.582.802078 安卓漢化版
v7.698.3402.365728 安卓版
v8.754.6659.646740 安卓版
v2.884.892.334844 安卓最新版
v5.670.3916 安卓免費版
v9.378.3623.985679 最新版
v9.559.338.294660 安卓最新版
v3.239.6458 IOS版
v4.608.4752.97339 安卓漢化版
v1.792 IOS版
v9.745.9951.590108 安卓漢化版
v2.826.5960.151830 安卓版
v3.10.933.678720 IOS版
v9.608.3581.851302 安卓版
v5.631.6606.96912 PC版
v5.901 IOS版
v7.786.3949 安卓漢化版
v7.690.2190.510145 安卓免費版
v2.778.9627.152389 安卓免費版
v3.44.5814.428 安卓免費版
v4.145.5026 安卓漢化版
v1.288.8688.372901 安卓最新版
v9.522.3081.572153 安卓免費版
v8.357.1211 安卓漢化版
v1.656.5346 IOS版
v6.193.4340.688505 IOS版
v6.41.6585.609708 最新版
v7.269.8204.701014 PC版
v4.267.1058 安卓免費版
v4.795 安卓免費版
v8.793.4396.601877 安卓版
v4.253.1279.356859 安卓免費版
v8.316.6547 PC版
v3.10.1076 PC版
v9.739.8983.990265 安卓版
v3.459.1927.179454 PC版
v4.119.7454.245478 安卓最新版
v5.849.6390.231879 最新版
v6.636.4616 安卓漢化版
v5.255.6916.919320 安卓最新版
v6.878.9686.521390 IOS版
v8.706.9525.89802 安卓漢化版
v3.641 IOS版
v3.959 IOS版
v5.22.5096.836231 最新版
v6.429.1219 安卓最新版
v6.105.6129.728495 安卓版
v7.254.2747.878521 最新版
v2.857.3203.287427 安卓免費版
v8.131.279.768330 PC版
v4.297 安卓漢化版
v8.142.1298.567573 安卓版
v6.655.3563 安卓版
v5.210 安卓免費版
v9.720.5257.556879 安卓最新版
v3.941.7039.606628 安卓免費版
v9.15.3622 IOS版
v9.737.5276 安卓最新版
v3.392.4766.140974 安卓免費版
v8.394.7321 PC版
v6.704 最新版
v1.960.3648 安卓版
v6.205.5607 安卓最新版
v5.261.3871.335549 PC版
v2.850.3054.855641 安卓最新版
v5.364.7534 安卓最新版
v4.45 IOS版
v7.432.2475 最新版
v1.260.3952.938794 IOS版
v7.641.6292.545465 安卓最新版
v9.808.7867 安卓免費版
v9.429.8426.332448 安卓最新版
v9.840.93.748212 最新版
老熟精品视频一区二区
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
天天干天天射综合网
又粗又大视频
精品视频一区二区在线观看
东北动画片操逼大黄片
云南AV
午夜电影网址
国产网站 看A片
日韩最新性爱短视频网址
91哮喘 白丝
日本久久播
色色网址网站
日本義父强奸成熟女
红缨扒开腿坐做❌同人小说
免费黄色视频在线观看不
在线看不卡av免费看
性XX444
金珉奎裤子鼓包
能直接看的黄色网站
激情另类小说区图片区视频区
日韩区欧美区
超碰在线在线
情深叉喔糖心在线观看