目今位置:首页 → 电脑软件 → 全红婵vs陈芋汐5跳对比 → 无码精品A∨在线观看不卡 v8.389.1139.485321 最新版
v6.105.9964 安卓免費版
v4.203.6259.992783 PC版
v9.249.8689.986738 最新版
v9.743.9194 IOS版
v9.710.4480.387691 安卓最新版
v1.933.4416.309143 安卓最新版
v6.814.234.174444 安卓免費版
v3.776.7405 安卓最新版
v9.992.3793.946434 安卓漢化版
v7.821.7087 安卓免費版
v3.999.4406 安卓漢化版
v5.754.7567 安卓版
v9.909 PC版
v6.822.2574.733978 安卓漢化版
v5.599.4453.538048 IOS版
v8.243.3538 最新版
v4.665 最新版
v2.613 IOS版
v6.920 IOS版
v8.908.8807.869456 IOS版
v5.120.8143.584550 PC版
v9.452.806 最新版
v9.575.896 安卓最新版
v7.734.4243 安卓版
v7.562 安卓最新版
v3.12 IOS版
v9.752.9363 安卓版
v5.913.893.818047 IOS版
v2.426.6075 PC版
v7.675.9653.390439 安卓版
v2.616.8117.835590 PC版
v7.893 安卓漢化版
v7.642 安卓版
v9.267 IOS版
v9.746.8923.787548 安卓免費版
v1.204.9365.83352 IOS版
v2.653.9028.117756 安卓漢化版
v4.943.5529.899719 安卓版
v6.449.6371 安卓免費版
v6.142 安卓漢化版
v5.803.6090.565561 安卓最新版
v8.280.8049.920479 安卓最新版
v2.420.4919 IOS版
v8.667.60.834867 安卓免費版
v8.576.233 最新版
v8.340.5232 安卓版
v2.561.1246.492285 IOS版
v9.508.1568 IOS版
v6.268 安卓漢化版
v3.178.941.926002 IOS版
v4.929.3317.287430 安卓漢化版
v8.98 安卓免費版
v9.165 IOS版
v2.611.7405.373854 安卓漢化版
v6.648 安卓版
v4.713.9382.429883 IOS版
v8.710 安卓版
v6.896 PC版
v4.584.1648 安卓免費版
v9.334.1943.586446 安卓版
v2.976.3468 PC版
v2.331.4844.158022 安卓漢化版
v2.782 安卓漢化版
v2.706.4112.84316 IOS版
v6.966 安卓版
v3.785.9756.969472 最新版
v5.925.9010.54703 安卓漢化版
v7.354 PC版
v4.345.9619 安卓版
v8.255.2057.155440 PC版
v1.480.4728.434942 安卓免費版
v6.755 IOS版
v8.447 安卓版
v1.34.3623.30994 安卓免費版
v6.805.74.736379 安卓最新版
v1.885.903.889002 IOS版
v7.832.8176.966748 安卓版
v9.612.8931 最新版
v6.845.9009.582262 IOS版
v4.79.703.618625 PC版
无码精品A∨在线观看不卡
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
精品自拍偷拍一区
黄色网站在线播放毛片在线播放
张婉莹手笔自愈视频免费观看大全
www.97se
男生把自己的qq放到女生的qq里说明什么
美国三级视频
高潮毛片无遮挡高清免费视频毛多
陪读脱去妈妈的内裤
人人操人人人人人人人干
男女性激烈无遮掩免费观看
周晓琳水龙头灌肚子视频
成人性爱快播
国产一区二区三区精品
av体验区
亚洲日韩黄色网
A片8366Cc
日韩一级婬片AA片免费西施
天天日天天添
免费看国产曰批40分钟视频
麻豆激情视频
欧美性多多
永久免费不卡A片在线观看
国产日韩一级在线观看
黄污网站播放亚洲啪啪啪AV
久久久久这里只有精品视频网
日本少妇熟洞房美女