目今位置:首页 → 电脑软件 → 千万不要对抑郁症朋友说 → 在线播放成人A片 网站 v4.262.3215 PC版
v7.433.1614.453313 最新版
v4.664 安卓版
v8.895.9377.102898 IOS版
v9.91.7033 最新版
v1.431.4811.742333 PC版
v7.336 安卓漢化版
v9.603.2277 最新版
v2.805.2747.8776 IOS版
v2.811.9973.396661 IOS版
v5.192 安卓版
v8.332 安卓漢化版
v2.495.66.144588 IOS版
v3.745 IOS版
v6.510.6855.977046 最新版
v9.489.6458 安卓版
v2.175 安卓版
v2.576.6759.316503 最新版
v9.136.7109 安卓版
v6.572.5853 PC版
v2.89.9453.782791 最新版
v4.191.2298 安卓最新版
v7.702.3549 PC版
v2.798.978 PC版
v7.422.961.319751 PC版
v9.384.1751 安卓漢化版
v4.432.1923.695770 IOS版
v5.129 安卓最新版
v3.100 安卓免費版
v7.748.7736 安卓免費版
v9.153.1307 最新版
v8.313.6930.535634 最新版
v5.102.4577.59025 IOS版
v6.411.5753.352862 安卓版
v8.65.277.89076 安卓漢化版
v4.261.6222.622154 安卓漢化版
v9.947 PC版
v5.877.5962 IOS版
v2.760.8237.347854 安卓漢化版
v6.911.4987.633688 安卓最新版
v6.437.7345.131360 最新版
v9.830.8015 安卓漢化版
v9.941.7278.50939 最新版
v4.874.3781 IOS版
v2.603.779 最新版
v6.734.8946.649745 安卓漢化版
v8.534 安卓漢化版
v9.957.1667 PC版
v6.621.4610.782557 安卓漢化版
v1.610.2994 安卓版
v5.276.2001.526721 安卓版
v8.611 PC版
v2.521.8389.181561 PC版
v3.199.576.504850 安卓漢化版
v2.429.3283 PC版
v8.136 安卓漢化版
v1.426 PC版
v8.134.4744 IOS版
v4.825.3040 安卓最新版
v7.288 最新版
v3.870.5981 PC版
v5.738 安卓免費版
v9.886.6687.598350 安卓最新版
v1.348.478.87133 安卓最新版
v9.882.3309.265682 安卓版
v5.903 IOS版
v3.116 安卓漢化版
v5.818.4024.883093 安卓版
v3.207.9235.87637 PC版
v6.40.7386 最新版
v7.513.3091 安卓最新版
v3.655.6790.826275 安卓版
v8.146.4664.409698 安卓免費版
v2.337.4050.766945 IOS版
v1.909 安卓版
v5.984.1778.761016 安卓漢化版
v5.235.4150.279603 安卓漢化版
v1.127.7005.409421 PC版
v4.918.9833.511129 最新版
v6.324.2644 PC版
v8.755.3186.888058 安卓免費版
在线播放成人A片 网站
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
国产专区78小妹
欧美一区二区特黄视频
人人艹艹艹
男女羞羞在线永久免费观看
特黄A级视频
中国肥姥姥视频合集
➰💫宾果彩票welcome大厅
午夜免费九色网那里找
欧美一区=区三区
色色色精品
国产黄色网站在线观看
外国性生活A∨
男男gaygays18禁入口无套
丁香五月婷婷华人网站
美女裸体秘 免费看
黄色小说天天视频
欧美爱爱视频免费
免费白丝jk爆 乳 软件
中日韩农村美女黄色免费网站在线视频
欧美性爱视频在线观看精品
狠狠躁夜夜躁av网站动态图
众乐乐杨贵妃老夫子免费观看
国模私拍一区二区在线观看