目今位置:首页 → 电脑软件 → 罗马主帅穆里尼奥下课 → 色色资源网址 v3.610.299 安卓最新版
v8.421.6585.188209 安卓免費版
v6.21.2100.41096 安卓版
v3.42.3648.288373 PC版
v3.321.7735.367186 安卓最新版
v5.549.3090.988671 PC版
v1.233.4590.975778 安卓免費版
v4.538.874 PC版
v4.656.6694.550171 安卓最新版
v7.516.9622.260771 安卓版
v2.704.2118.931556 最新版
v6.936.5944.165382 安卓版
v3.65.2543.149767 安卓最新版
v6.289.8544.43542 PC版
v8.84.907.319391 最新版
v8.706.8373.300512 最新版
v4.931.8743.67800 安卓漢化版
v3.785.5844.203285 PC版
v7.812 IOS版
v5.180.9183 最新版
v2.330.9218.887413 安卓漢化版
v6.585.4847.18532 安卓版
v1.920.3854.692411 PC版
v1.331.5607.115310 安卓版
v9.623.2309 PC版
v3.813.3893.32638 最新版
v4.711 IOS版
v7.857.5985.481158 安卓最新版
v5.367.6124 安卓漢化版
v6.352.8579 安卓免費版
v1.321.5662.71481 安卓版
v9.178 安卓免費版
v4.91 安卓免費版
v8.371.2693.389211 IOS版
v2.282.4972.521953 安卓版
v7.284.4329 安卓免費版
v8.905.8736.368174 安卓版
v5.416.2382 最新版
v2.916 安卓免費版
v4.687 安卓版
v4.328 最新版
v1.143.1549.154901 PC版
v2.921.6182 最新版
v3.933.1999 安卓漢化版
v5.121.5916.49899 安卓免費版
v9.249 安卓免費版
v8.952 IOS版
v2.384.5401.828560 最新版
v6.862.5550.192184 PC版
v8.3.6914.452402 IOS版
v5.813.8650.132662 PC版
v9.403.9697.634007 IOS版
v8.985.3477 IOS版
v3.61.6640.75521 最新版
v2.972.1149 最新版
v4.567.5140.870488 最新版
v5.479.755.714571 IOS版
v7.813.3094.444960 PC版
v2.960 IOS版
v4.273.7653.595436 安卓漢化版
v5.436 安卓漢化版
v1.331.3101.660899 安卓版
v9.154.6136 安卓漢化版
v7.398 安卓免費版
v4.939.3150.383622 最新版
v3.519.4851 PC版
v8.38.7442.875580 PC版
v9.334.3780 安卓最新版
v4.833.1519.563716 安卓免費版
v1.434.3795 安卓版
v7.42.6952.869855 安卓最新版
v2.434 安卓版
v4.998.1132.614148 安卓漢化版
v5.599.8305.151631 安卓漢化版
v4.811.4522.970381 安卓漢化版
v5.502.4722.619147 最新版
v4.308.93 安卓最新版
v9.580 安卓最新版
v5.580.3258 安卓免費版
v8.37 安卓漢化版
v2.631.9589.764512 最新版
色色资源网址
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
91日本在线
黄金网站9.1入口免费下载
色七七欧美桃色网
717理论电影
自拍偷拍精品
日韩在线一页
国产最新黄色网址
人人看人人要人人干
人妻大白腚
artist:tomethttps
女生赤裸炮机喷射
18 嗯嗯啊啊~
就操网
熱色色色色
老女人人人操人人干
日韩aⅴ国产
张家界新娘mv视频哪里可以看
免费人成视频在线视频www
色婷狠狠综合久久亚洲
九色91p0rpny国产
欧美大牌操逼
国产亚洲精品AA片在线视
女人与公豬交视频免费
AV无码久久久精品免费漫画