v1.123.3347.686552 安卓最新版
v7.919.1162.729122 安卓漢化版
v2.857.2585 最新版
v4.305.9743 安卓漢化版
v9.231.8831.572347 安卓版
v1.292.55.166795 安卓最新版
v2.9.7035.999924 安卓最新版
v4.30.819.485708 安卓漢化版
v3.632.3721 最新版
v1.52 安卓漢化版
v1.680.3343.773791 最新版
v2.944 安卓版
v1.131 PC版
v2.318.9203 IOS版
v8.312.5241.403990 IOS版
v2.809.1556 安卓免費版
v1.359 安卓最新版
v2.737.6991.997629 安卓最新版
v1.50.2984 PC版
v5.893 安卓漢化版
v3.350.3874 安卓版
v4.416.9151 安卓免費版
v1.58.7521.451602 PC版
v5.971.2975.760221 IOS版
v6.278.3833.178989 安卓漢化版
v9.976.7961 安卓最新版
v1.285.5734.85603 最新版
v2.6.5023.636020 安卓最新版
v2.449.888.706454 安卓最新版
v8.870.5735.307457 PC版
v8.440.321 IOS版
v8.192.4740 安卓最新版
v4.245.7116 安卓版
v2.102.4125.947768 PC版
v6.911.6622.712886 安卓免費版
v6.619.4070 最新版
v4.66.8394.705355 PC版
v8.334.1557.346963 PC版
v7.487.7391.100 IOS版
v7.983.316.188663 安卓免費版
v2.692.6888.940318 安卓免費版
v4.495.8209.521920 PC版
v5.757.9460.111196 最新版
v7.33.9632 最新版
v5.289.6893 安卓免費版
v7.41.7887 最新版
v2.502.6218 最新版
v7.810 安卓免費版
v1.537 最新版
v2.342.3184.328200 安卓最新版
v8.881.954.683026 安卓免費版
v6.512.1770 最新版
v8.289.3159.180740 安卓版
v5.208.5699.708400 PC版
v9.735.6746.749136 安卓免費版
v7.93.1839.413654 PC版
v1.270 PC版
v3.211 PC版
v9.347.4779.28457 安卓最新版
v5.746.3189.183317 安卓版
v8.395.8538 IOS版
v4.874 PC版
v4.723.406 安卓版
v1.822.4760.461179 IOS版
v3.450.9567 安卓最新版
v4.151 IOS版
v5.715.906.155093 安卓漢化版
v4.972 安卓漢化版
v4.972.2084.643464 安卓免費版
v8.975 IOS版
v7.734 安卓版
v3.839.7043.834738 安卓版
v9.38.2024.34138 安卓版
v6.931.2346.798920 安卓版
v3.234.3723 安卓最新版
v1.647 IOS版
v5.50.2383.170855 最新版
v8.442.9058.551685 IOS版
v9.664.4021.601233 安卓最新版
v6.344 安卓漢化版
精品日本三级a∨在线观看
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
欧美在线视频吧AAA
久久精品射
岩崎千鹤老熟女HD
摸同桌的 我的 变
亚洲精品中文字幕99视色
色视频网站在线免费视频
一区二区三区色色视频
中文字幕第二十页在线
在线深夜福利
17c.com登录入口
欧美在线综合第一页
开心激情亚洲色图
黄色视频免费看黄色
秦彻强行撕开内裤挺进去H视频
狂插乱捅
精品久久久久久久性色AV
三级福利
九九色悠悠
欧美色妞干网
明日香 羞羞动漫3d同人
欧美精品右手影院
91黄色免费看
黄色视频插女