目今位置:首页 → 电脑软件 → 吧友致敬双城之战抗压王杰斯 → 人人操人人干啊啊啊 v3.776 安卓最新版
v5.955 安卓版
v8.709.621.61069 安卓版
v1.544.2875.234469 安卓漢化版
v5.386.7305 安卓免費版
v9.875.2518.536005 安卓免費版
v6.46.5253.610736 安卓版
v9.150.6547.261264 PC版
v3.929.7467 安卓版
v8.240.6640.370481 安卓免費版
v5.931 PC版
v9.588.7190 最新版
v4.420.841 安卓版
v3.496.330.723633 安卓版
v2.819 安卓版
v9.260.2481.217921 安卓漢化版
v6.574.82.135781 PC版
v9.918.2496.335077 最新版
v2.277.6117.101657 安卓免費版
v4.422.3848.506570 IOS版
v7.870.3260.422359 安卓免費版
v8.712.3458 最新版
v8.897.6689.577099 安卓漢化版
v6.254.4051.780819 PC版
v5.441.9119.701434 IOS版
v5.336.4741.866656 安卓版
v3.424.5620.195790 IOS版
v4.572.9523 IOS版
v4.813.4028.699730 最新版
v2.238.8712 安卓版
v3.979.3667 安卓最新版
v5.730.8352.705237 安卓漢化版
v4.487.3252.866549 安卓免費版
v2.961 最新版
v9.543.5923 最新版
v8.746.7867.728352 安卓免費版
v2.43.3078.430956 IOS版
v3.571.8200.914220 安卓漢化版
v9.846.6569.980142 安卓最新版
v5.257.3116.34926 PC版
v4.743.9210.708765 IOS版
v5.251.5441.622345 IOS版
v6.365.7865.473909 安卓漢化版
v2.833.550.245001 安卓漢化版
v7.934 PC版
v3.891 安卓免費版
v4.847 安卓版
v8.549.9804 安卓漢化版
v3.501.8717 最新版
v5.632.9847.51957 IOS版
v7.402.5758 安卓最新版
v1.457.2601.94905 IOS版
v3.748 IOS版
v9.647.4029 安卓最新版
v4.173.539.600401 最新版
v8.585.4471 安卓版
v5.364.4845.80204 安卓最新版
v1.465.2770.206661 安卓最新版
v8.240.6708 安卓免費版
v6.339 IOS版
v4.691.9228.910844 安卓最新版
v1.585.3706 最新版
v6.568.7510.127473 安卓免費版
v7.847 安卓漢化版
v6.462.2871.493878 PC版
v7.520.4713 IOS版
v3.98.1038.652886 安卓漢化版
v5.71.6177.94686 安卓最新版
v3.468.4838.802042 安卓最新版
v5.128.3853 最新版
v2.779.8656.990377 安卓免費版
v8.152.2321 安卓版
v6.172.6319.664186 PC版
v1.966 PC版
v6.417 IOS版
v7.312.1757.804423 安卓免費版
v1.868 IOS版
v6.670.3475.867787 IOS版
v5.340.15.147946 安卓最新版
v8.694 PC版
v8.764.6635 安卓免費版
人人操人人干啊啊啊
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
欧美一级婬片免费看人与牲口
噜噜av
精东123123
欧美日韩国产人妖色视频
黑人特级欧美日韩a片
国产超碰人色色
日韩欧美精品第一页
国产一级片网站
H高潮娇喘抽搐喷水视频
偷拍高中女学生奶头
中国河南农村妇女被BBW视频
日日艹干日
黄片线上看
一区二区在线视频精品日版
啊〜好痛〜嗯〜轻一点韩国
蝌蚪黄片小辣椒
黄色在线观看视频网站
午夜黄色性爱
进 里 片ti
六花端口
717三级理论电影在线播放