目今位置:首页 → 电脑软件 → 峨眉山客车冲下山致3死2伤 → 線上A片 v1.406.2266.457311 安卓免費版
v3.413.1435.679198 最新版
v6.657.2267.60058 最新版
v1.415.2729 安卓版
v2.12.1011 安卓漢化版
v9.642.7842.73182 安卓最新版
v9.252.5980 安卓版
v1.605 IOS版
v1.88.1057 PC版
v8.677.233.842688 安卓免費版
v5.390.8861.678144 安卓最新版
v5.551.3031 最新版
v5.261.1336.822603 安卓免費版
v2.883.1934.169374 安卓最新版
v2.509 最新版
v7.209.7584.541495 IOS版
v5.585 安卓版
v9.639.255 安卓最新版
v2.790.7311 安卓免費版
v9.542.7192.279453 PC版
v2.47 最新版
v4.216.3596.693182 安卓版
v7.627.2495 最新版
v8.593 安卓版
v3.181.2070.500051 PC版
v7.733.405.684005 最新版
v6.803.5382.774096 IOS版
v5.607.5896.562207 IOS版
v6.551.7977.33160 IOS版
v1.122.6995 安卓漢化版
v5.604.8396.520333 安卓免費版
v4.605 PC版
v8.15.3252.455910 安卓漢化版
v5.809 安卓版
v2.903 IOS版
v8.590.9425 IOS版
v6.559.1638 安卓版
v4.970.5489 安卓版
v9.770.2820 安卓漢化版
v3.237.8547.406880 PC版
v7.903.2386.253459 安卓版
v9.373 安卓免費版
v6.151.9542 安卓版
v4.856.2853.48130 安卓版
v5.616.6395.336766 安卓免費版
v1.788.9462.914618 安卓漢化版
v4.966 安卓最新版
v5.885.756.594509 最新版
v5.931.3052.358183 安卓免費版
v3.974.2018 PC版
v8.256.8045.326358 PC版
v3.933.4732.365204 安卓最新版
v7.548.6324.119013 安卓漢化版
v9.465.2724.987802 PC版
v5.950.8583.574130 安卓漢化版
v6.186.517.307637 最新版
v4.720 安卓免費版
v7.375.9573.640934 最新版
v8.144.3290 IOS版
v5.100.7560.656809 IOS版
v2.676 安卓版
v5.851.3879.754363 安卓免費版
v5.205 安卓版
v7.820.4220.504672 最新版
v6.334 安卓漢化版
v1.385.5286 安卓漢化版
v5.656.2366.539357 安卓最新版
v1.259.5438.808951 最新版
v8.142.9153 安卓最新版
v5.594.8327.355745 安卓免費版
v1.474 IOS版
v8.780 最新版
v9.249.4637 IOS版
v2.129 安卓版
v8.36.7943.378966 安卓版
v1.876.1230.544503 安卓最新版
v7.690.5554.552664 PC版
v8.947.3647.398718 最新版
v5.749.2204.832921 最新版
v4.743.517 IOS版
v6.256.4900.356378 PC版
線上A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
免费看黄漫画网站视频一区二区
双人打扑克剧烈运动视频大全
少妇被黑人4p到惨叫在线阅读
老熟妇DVD无码
仙踪林一区二区三区
自慰十八禁
老头自慰出精子大片男医生同男性同牲恋鸡吧做爱
色综合久久久
ed2k lili
日韩免费特大黄色网站
yw.139尤物在线精品视频
国产操B在线视频
小 伸进 喷水电影
日韩、欧美亚州另类综合网站
日韩亚洲人人爱人人操人人爽
X0X0黑
亚洲国产AV精品一区二区
小荡货你夹的老师好紧h视频
18禁看插她
你懂得的网站在线观看