v5.57.4621.422605 安卓版
v1.608.7760.984352 安卓版
v4.283 安卓漢化版
v5.633.1073.148508 安卓最新版
v7.543.4937.950799 安卓漢化版
v5.734.1577.996766 最新版
v1.601.4199 安卓漢化版
v7.75.1225.84979 安卓漢化版
v9.151 PC版
v3.70 最新版
v4.687.3911.35169 PC版
v5.962.9833.406345 安卓漢化版
v4.299 PC版
v6.895.1799 安卓版
v9.309.3146.391175 安卓免費版
v9.697.9411 PC版
v4.549.2940.978180 PC版
v5.442 IOS版
v1.114.3917.807354 安卓最新版
v1.180.6292.464216 安卓免費版
v5.979.1250.380750 最新版
v6.561.7995 安卓漢化版
v9.765.3831.756392 PC版
v3.916.2350 安卓最新版
v6.214.1661.931958 IOS版
v6.450.360 安卓免費版
v6.396.864 安卓版
v1.619.5597.381067 安卓最新版
v8.665 安卓免費版
v6.550.438.60761 安卓最新版
v4.832.9413.181618 安卓最新版
v6.348.9547.942018 PC版
v1.130.1771.286119 PC版
v9.415.3398.940751 PC版
v7.456.9291.958229 安卓漢化版
v2.919 PC版
v5.655.269.534211 最新版
v7.985 安卓漢化版
v9.869.4582.987464 安卓最新版
v2.725.5751.83370 IOS版
v3.243.4863 最新版
v4.759 IOS版
v2.989 安卓版
v4.259 安卓漢化版
v9.367 安卓漢化版
v9.757.9670 PC版
v3.654 安卓最新版
v2.830.8215.171838 安卓漢化版
v9.5.7155.146505 安卓版
v1.904.2392.715234 安卓最新版
v1.118.7979.496057 安卓最新版
v2.624.3988 安卓版
v3.721.5114 最新版
v7.277.8992 PC版
v7.525 最新版
v5.242.4914.633263 安卓免費版
v1.126.7139.937155 PC版
v4.979 最新版
v5.675.2713.64361 IOS版
v4.112.5181.206332 安卓漢化版
v7.515 PC版
v7.753.3637.756944 PC版
v6.121.3001.762898 安卓最新版
v7.472.5395.809507 安卓免費版
v4.422.6749.96619 IOS版
v2.70.4515 安卓最新版
v2.733 最新版
v4.721.6799.462428 安卓版
v6.64.2465.399112 安卓漢化版
v1.83.9465.122072 安卓漢化版
v7.111 IOS版
v9.895.1859.154375 最新版
v5.637.6448 安卓最新版
v2.176.4532 最新版
v2.819 安卓版
v8.334 安卓最新版
v4.111.4298 安卓版
v6.677.4497.85861 安卓版
v4.177.1530.886362 安卓免費版
v7.188.2339.968621 最新版
欧州一区二区三区免费的A级
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
色综合高清一区二区
小沐的宝藏库
欧美性爱视频试看
云南A片
黄色视频观看二区
荷兰欧美一级A片
人人区人人爽人人澡欧美一区
中国黄色免费视頻
国产九色视频
51cg爆料新瓜
沟王之王沟厕神仙视角的背景
蝌蚪网站
网址毛片
性交乱伦A片视频
馃崋O
国产精片
在线毛片视频免费放
亚洲日韩少妇BB
女人与公豬交高清视频
99r视频里面只有精品
一级一级做A片性
精品日日日国产
丝袜美腿视频一区二区三区
AAAA片久久久
国产免费吹嘲视频在线观看
禁18在线观看免费网站网址
被c出水 快点流出来了软件
日本爆乳美女
欧美毛片
胖虎成人视频
欧美狠狠入鲁
你懂的网站在线
国产真人一级性爱黄色学生妹
天天狠天天透天天爽
18Gay男同69亚洲无套
色色九九九
毛片久久网站
a视频在线观看免费一区
欧美日韩干干干网
小 入 游戏
超碰在线95