目今位置:首页 → 电脑软件 → 以总理:谁伤害我们 我们就伤害谁 → 日本巨乳在线播放 v5.864.8622.474079 安卓免費版
v6.953.3293 IOS版
v9.869.5409.99579 安卓最新版
v8.719.3153.864686 最新版
v4.697.3151 PC版
v1.520 IOS版
v3.677.2833.958783 PC版
v2.918 安卓免費版
v1.588.9804.818802 安卓最新版
v2.345.7118.786893 安卓免費版
v9.37 安卓最新版
v5.258.3587 PC版
v4.218.3326 安卓最新版
v6.125 安卓漢化版
v8.949.9308 安卓最新版
v6.865.2164 PC版
v1.738.3128.439665 安卓免費版
v8.643 最新版
v5.75 安卓免費版
v2.137.32 最新版
v3.223.5804 安卓最新版
v3.300.2606.248514 安卓免費版
v9.211.3276.77951 PC版
v6.153.8720.62729 PC版
v7.884.7469.836702 安卓版
v2.557.3956.907802 安卓版
v6.763 最新版
v9.773.6730.938566 安卓漢化版
v2.236 IOS版
v3.616.9501.63282 安卓漢化版
v1.492.359.400191 安卓版
v6.128 安卓最新版
v5.132 最新版
v8.679.8439.716745 PC版
v6.322.5521.113223 安卓免費版
v9.961.2921.557915 安卓免費版
v8.733.2016.909372 安卓最新版
v5.68.9046.418293 PC版
v2.692.7535.726613 安卓最新版
v6.905.5597.187197 安卓最新版
v9.11.9297.70109 安卓免費版
v3.826.7436.409321 最新版
v3.223.1709.794770 最新版
v2.517.5312 PC版
v5.505.1692.741661 安卓漢化版
v3.446.1842 安卓免費版
v3.569.4083 安卓版
v6.949.2749.254938 安卓漢化版
v1.85.9773.571261 安卓版
v3.295 最新版
v6.833 IOS版
v9.971 安卓版
v1.978.7632.798493 安卓最新版
v7.46.3913 PC版
v2.740.2734 安卓最新版
v3.812.4086 IOS版
v2.149.9127 PC版
v2.956.9392.255879 安卓版
v7.711.2154.957867 PC版
v9.376 安卓版
v8.562 安卓漢化版
v8.238.9124.57933 IOS版
v6.291.2011.990824 安卓免費版
v4.469.2384.919779 安卓免費版
v9.385.7174 PC版
v5.489 安卓版
v4.352.8772.727010 安卓漢化版
v5.754.5490 安卓漢化版
v3.168.3877.882635 PC版
v8.338 安卓漢化版
v2.671 安卓漢化版
v1.187.4308.22396 安卓最新版
v2.791 安卓版
v4.340 安卓免費版
v5.965 安卓版
v4.542.1871 IOS版
v9.463 PC版
v3.760.2836.886162 IOS版
v1.719.9425.84426 安卓免費版
v4.969.4613.6874 安卓漢化版
v9.46.7067.993618 IOS版
日本巨乳在线播放
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
犬父(吃肉的长耳兔)
45番电车手游安卓版本
区国产三级视频
99操逼免费网
激情B片片看看
熟女爆乳中文字幕一区二区
日本裸体视频
国产精品 视频瘾无码
国产又粗又猛又爽又黄的视频
多人乱P欧美4P
717三级理论电影网
馃崋馃惢
泡芙和小智撕开 吸奶头 进
青青青青免费日视频
日韩精品女同一区二区在线观看
中国三级片AAAD
www.itkimi.com
欧美黄色片在线观看
亚洲国产精品国自产拍AV
v斐r18车标记详细流程详解
欧洲美女性AA片一级A片
欧美网站专区
在线观看网址中文字幕