v8.671.4803.977809 安卓版
v3.295 安卓漢化版
v5.731.1165.818646 IOS版
v5.740.9066.782449 安卓免費版
v1.719 安卓漢化版
v2.178.7929.16110 安卓版
v7.814.9806.395079 最新版
v6.141.8744 IOS版
v3.900.9467.873715 安卓最新版
v3.906.8744.268523 最新版
v7.656.8339 安卓免費版
v1.340.7205.288271 IOS版
v1.384.1194.784889 PC版
v6.298.9315 安卓最新版
v9.893.3465 最新版
v3.276.5767.443518 安卓最新版
v2.695.3065 最新版
v8.438.8345.169594 IOS版
v4.751.3254.806241 安卓版
v5.971.7019.909733 最新版
v2.504.5328 安卓漢化版
v7.687 安卓免費版
v5.758.6232.403294 PC版
v6.320.6746 安卓版
v8.459.3125 PC版
v5.413 安卓版
v6.561 PC版
v4.49.8568.970265 PC版
v4.513.4099.497100 PC版
v5.522.8422.162197 PC版
v1.542 安卓版
v7.457.4061.999682 IOS版
v3.885.7189.983519 安卓版
v1.827.9139 安卓免費版
v5.478.4755.159215 最新版
v1.774.7035.927497 PC版
v5.821.6846.356365 安卓版
v2.525.3023 IOS版
v3.167.6261.921657 最新版
v4.143 安卓免費版
v9.217.8755.307684 安卓最新版
v7.637.3883 安卓版
v9.221.6557.555500 PC版
v7.861.3285 最新版
v5.735 IOS版
v3.118 安卓最新版
v4.660.1507.83276 IOS版
v2.220 安卓最新版
v1.593.2596 安卓免費版
v6.246.511.772085 安卓漢化版
v4.252.9553 PC版
v9.80.8248.821736 安卓免費版
v1.151.7096.660658 PC版
v3.380 IOS版
v2.114.5413.492140 安卓版
v4.7.4381 IOS版
v2.417.8771.91409 PC版
v5.114.254.547503 安卓免費版
v2.665.3405.705283 最新版
v9.498 安卓漢化版
v2.308 PC版
v5.872.3881.435064 PC版
v3.91.9560.93563 IOS版
v6.94.9349 安卓漢化版
v2.257.2206.191432 PC版
v6.548.9845.576725 IOS版
v1.521.151.262621 安卓漢化版
v8.939.667.28687 安卓版
v1.487.4513.26276 安卓最新版
v1.864.6460.979250 安卓免費版
v4.328.7202.71776 安卓漢化版
v1.948.418.310156 安卓漢化版
v7.165.4005.501429 安卓版
v9.716.621.515862 PC版
v3.258 IOS版
v1.997.2592.571452 PC版
v4.588.1561.784743 最新版
v1.845.6889.750083 安卓版
v2.492.4665.266010 IOS版
v9.557.5185.493353 最新版
女老师脱掉裤子男人草
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
国产999A片一级在线观看
亚洲成熟妇女一级毛片
caowww
啊啊好疼使劲啊
欧美XXXX做受欧美
6699久久国产精品免费
欧美大毛女爽又骚
男人打飞ji秘 视频网站
大胸美女网红叫房东修空调啪啪
征服巧梅婶全文阅读无弹窗笔趣阁
国产a自拍
碧蓝航线18+漫画
小黄片www
少妇又色又紧又黄又刺激免费视频
精品国产一区二区三区AV
一级大毛片免费播放不用下载
欧美日韩A片免费大全
搜索毛片
强奸乱伦教师视频网站
警花张瑾瑜
18秘 游戏站
一级色a91
黄色一级视频在线
xxxx视频在线看