目今位置:首页 → 电脑软件 → 被南海沉船打捞出的文物惊艳了 → 日本美女羞羞视频自慰 v5.292.6036.864503 安卓最新版
v8.616 IOS版
v8.716.1743.69080 最新版
v3.499 安卓版
v4.846.1332.739792 安卓版
v1.948 安卓漢化版
v6.371.4745 安卓版
v7.296.9173.623224 安卓漢化版
v6.6.8734.729137 最新版
v8.764.4666 安卓最新版
v4.14.7265.269120 安卓漢化版
v8.131.9004 PC版
v4.827.8205 安卓漢化版
v2.155.262.272540 安卓免費版
v7.670 安卓免費版
v9.600.2305 IOS版
v1.539 IOS版
v8.920.5608.451410 最新版
v4.964.9317.458945 PC版
v9.350.9297 安卓版
v8.316.2493.881607 IOS版
v9.230.3244.780448 安卓漢化版
v2.75.7811 安卓漢化版
v6.401.3476.588968 安卓免費版
v7.343.6571 安卓免費版
v1.959 安卓免費版
v3.773.3264.671725 安卓版
v1.890.9137 安卓漢化版
v5.986 安卓版
v8.281.3893.463773 安卓版
v6.338.7567.253953 安卓版
v4.329.3990 PC版
v9.567.7781.794075 安卓免費版
v5.359.9700.531394 安卓版
v9.49.7107 安卓版
v2.94.7233.727666 安卓免費版
v4.542.8929 安卓漢化版
v8.761.2620.379864 安卓漢化版
v6.95 IOS版
v1.747.5084.872385 安卓版
v9.979 IOS版
v1.895.3390.145936 安卓免費版
v5.484.8821 PC版
v5.355 IOS版
v4.104 IOS版
v6.130.5600.895824 最新版
v3.288 IOS版
v3.2.8270.834441 最新版
v3.317.3969.598201 IOS版
v5.623 安卓免費版
v6.358.4802.653448 安卓版
v6.45.1087.509601 安卓最新版
v5.509.9391.583354 安卓版
v6.444.3513 安卓免費版
v6.327.2374 安卓最新版
v9.337.7082.393916 安卓漢化版
v5.806.8775.360125 最新版
v3.456 安卓漢化版
v9.461.1924 安卓免費版
v3.402.5491 IOS版
v9.267.1000.954395 最新版
v6.605.9707 安卓漢化版
v5.878.4119.833345 安卓最新版
v7.866.3701.708585 PC版
v2.280.1975 最新版
v6.318 安卓免費版
v3.568 PC版
v2.330.7491.39523 安卓版
v9.809.6168.432598 IOS版
v6.237.2222.76456 安卓免費版
v2.155.127.521525 IOS版
v5.752.8865.39944 IOS版
v2.762.9166.371429 IOS版
v5.332.4825.898457 安卓版
v7.626.2315.21097 安卓最新版
v7.617 安卓版
v9.385.8675.718418 安卓最新版
v6.389.4677.58169 IOS版
v9.473.7581.572022 安卓免費版
v3.594.6109.355321 最新版
v9.172.9571.887794 最新版
日本美女羞羞视频自慰
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
麻豆国产免费AV在线
一级又粗又长黄色视频
汤方全身100张图片
熟女乱自拍偷
美女露出奶头和尿口
视频丨9l 丨调教鞭打
蔚蓝档案同人黄漫
aaa国产大片免费看
99超碰国产人人爽人人摸
亚洲级αV无码毛片久久精品
1024在线观看你懂的
artist:tomet最新版本更新内容
91女学生翘起双腿让我顶爆
国产精品视频入口
色色色色色色色五月
色色综合色综合
91激情综合亚洲色
偷拍久久精品
XxBBb
国内自拍喷水91
男人进毛片视频免费观看
欧美 另类 偷窥 亚洲