v4.949.1893 安卓最新版
v9.962.4669 安卓版
v8.171.6673 PC版
v2.530.4337 PC版
v8.837.9266 安卓免費版
v6.735.4750 安卓免費版
v6.368 IOS版
v4.217.7084.407099 最新版
v7.661.3184 安卓版
v1.533.1328 安卓漢化版
v1.782.7883.188779 安卓漢化版
v5.255.1633.428615 IOS版
v8.269.3191.114947 PC版
v6.347.6759.796298 最新版
v7.971.345.974851 最新版
v9.911 IOS版
v2.456 最新版
v9.190.2564.773451 安卓版
v6.647 PC版
v2.515.9621.459997 安卓漢化版
v9.217.5644 IOS版
v3.813 安卓免費版
v6.590.4788.373330 最新版
v4.610 最新版
v4.778.1773.534949 PC版
v1.258.6413.808261 最新版
v8.801 安卓最新版
v6.937 PC版
v2.676 PC版
v3.14.3611.676931 最新版
v7.506 IOS版
v4.869 安卓版
v4.976.5597.567577 IOS版
v6.785.8423.617051 最新版
v9.774.661 安卓漢化版
v4.832.4921.484589 安卓版
v8.148.1740 IOS版
v1.952 安卓最新版
v2.56.6013.763211 安卓最新版
v8.117.1485.72191 安卓漢化版
v9.467.2193 安卓漢化版
v1.408.1189.801562 安卓免費版
v6.360 安卓漢化版
v8.544.9781 IOS版
v3.759.4771.823569 安卓版
v5.40.6772 IOS版
v1.858.3074.162598 PC版
v3.901.298.129799 安卓版
v8.241.826.6966 安卓漢化版
v4.538.4309.984551 最新版
v6.40 安卓漢化版
v5.518.4819 IOS版
v1.514.3590.804967 安卓漢化版
v1.424.2767.686949 安卓最新版
v7.160.1742.924174 安卓最新版
v7.614.3963 最新版
v8.949 安卓免費版
v3.598.6036.262114 安卓漢化版
v8.490.7869.411708 IOS版
v3.394.1201 安卓最新版
v3.917.6763 最新版
v4.535.8188.441335 PC版
v9.938.2294.936377 安卓免費版
v3.636 安卓最新版
v4.987.379 安卓漢化版
v4.255.6934.883372 安卓漢化版
v1.426.3448.875318 IOS版
v5.888.7681.464769 最新版
v9.142.3372 IOS版
v8.170 PC版
v5.347.5556.637819 安卓免費版
v3.120.1498.221454 安卓版
v6.399.3180 安卓最新版
v7.395 安卓版
v3.116.9883.379907 IOS版
v9.499.5724 PC版
v2.652.8446.239706 安卓版
v5.570.3810.43108 最新版
v9.45.2238.479498 安卓版
v5.300.6657.393744 安卓免費版
在线中文字幕日本
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
人人亲人人操人人摸
欧美最猛黑人XXXX黑人猛交晚
澳门三级
我想看三级片和日本乱伦
别告诉妈妈app下载
oumeihuangseshipin
女性向silklabo天堂入口
成年人观看视频
米塔本子库官网入口下载
黄色视频最新
韩日AV电影
平冈里枝子
星野100%裸妆壁纸
欧美一级婬片A片人杂交
美女➕光屁屁➕露全身
黃色視頻網站免費觀看
见 头最多的走秀视频
梅花十三本子
大陆国语对白国产AV片
手机在线免费观看你懂得
中国产
国产精品久久久久久久久久王安宇
国产激情综合视频在线观看
真人抽搐一进一出软件
廖承宇西北君君王伦宝
禅狱绳艺工作室最新消息今天