v5.750.2118.245150 安卓漢化版
v3.638.5042.220185 安卓漢化版
v8.367.5732 安卓漢化版
v9.797.8295 安卓漢化版
v9.547.5640.380026 最新版
v9.669.6432.116224 安卓版
v2.235.4984 安卓免費版
v3.707.9613.744057 IOS版
v4.367.2065 安卓免費版
v9.136.5418 安卓最新版
v2.798.6086.170232 安卓漢化版
v5.475.4295 PC版
v1.378.3526.852513 安卓版
v1.577 PC版
v2.236.3462 安卓版
v3.885.4627 安卓版
v6.90.7578.494782 安卓最新版
v8.339 最新版
v8.671.6846 最新版
v6.436.9358.883548 最新版
v7.995.799 安卓漢化版
v8.51.5964.849632 安卓最新版
v5.853.5449.657250 安卓版
v6.918.8903.175725 PC版
v2.644 PC版
v1.730.9101 安卓最新版
v5.891.3255.358281 IOS版
v7.986.8328.853308 安卓最新版
v7.52 安卓免費版
v7.920.32.520465 最新版
v9.777 安卓免費版
v9.369.6218.761698 安卓版
v3.479 PC版
v7.333.8205 IOS版
v1.132.5011.388784 最新版
v8.902.4034.925767 IOS版
v5.575.627.281667 PC版
v1.641.4622 IOS版
v6.441.8313 IOS版
v5.0.5367 安卓最新版
v3.643.9539.262222 IOS版
v6.783.7208 安卓版
v7.812.3920.87513 PC版
v4.106.8379.696409 安卓版
v5.145 IOS版
v4.457.4062.65826 PC版
v4.824.8551.361384 IOS版
v1.4 IOS版
v4.863.136 安卓免費版
v4.481.6290.768509 安卓最新版
v6.242.3952.530999 安卓免費版
v1.978.4352.730162 安卓免費版
v8.951.8197 IOS版
v5.818.2468.170153 安卓免費版
v2.250 安卓漢化版
v2.774.2001.361713 PC版
v4.245.7436.670564 最新版
v9.576 最新版
v1.811.5594 PC版
v4.606.1398.327335 最新版
v6.843.1121.234264 IOS版
v8.273 最新版
v6.834.6763.540729 安卓免費版
v1.560.5467 最新版
v8.555 安卓免費版
v8.777.6935.47492 安卓版
v3.284.9017.685123 IOS版
v7.293.2641 安卓版
v4.561.4592.881216 安卓版
v3.595.6616.651408 安卓免費版
v3.923 IOS版
v1.718.8275 安卓版
v4.489.6705.634008 PC版
v3.825.8398 IOS版
v3.75.6621 最新版
v1.423.9773.655615 安卓漢化版
v2.752.4045.12863 安卓版
v4.73.9329 安卓漢化版
v2.575.1375 安卓漢化版
v9.773.3364.655402 安卓版
亚无码乱伦视频一区=区
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
网站毛片不卡
传播欲汉化作弊版v13.0.0下载最新版本
新9117c
成人扒开 伸进 小说
一国产一级人与嘼
2O22中文字幕在线
在线播放性爱视频
国产爆乳精品福利短视频
黑人囗交深唉吞精
黑人操亚洲人
黄色视频高潮喷水
久综合网
人人人人干人人操
草在线视频免费看全部
亚洲福利诱惑
ph软件永久版免费版-
国产大黄片免费的
亚洲欧美日韩一区二区在线官网
人人看,人人模,人人干,人人操
国产日韩欧美精品
国产精品免费久久
大wwwwwwwwwww黄在线台免费观看国语版
中东大码美女阴毛视频
www.性爱动漫视频.con
体育生白袜爆🌿小受网站