v2.733.6960.856382 最新版
v2.416.1666 安卓最新版
v5.466.2304 安卓最新版
v4.951 安卓版
v9.438 最新版
v9.573.3766 安卓最新版
v6.24 最新版
v7.2.1289.543526 安卓版
v9.426 最新版
v5.764.3497.324550 安卓最新版
v6.22.2442.135360 安卓免費版
v8.6.9808 PC版
v5.82.1572 最新版
v2.447.6503.257982 PC版
v2.956.9625.330995 安卓版
v9.666 安卓漢化版
v1.247.4068.296159 安卓漢化版
v1.955 IOS版
v2.242.1831 安卓版
v3.156.3196 安卓版
v1.21.4548.75369 安卓最新版
v2.211.4390 安卓最新版
v3.940.713 安卓最新版
v9.807.1570.107294 PC版
v5.160.3806.467574 PC版
v4.623 安卓版
v3.82.591.475618 安卓最新版
v2.281.3035.895491 安卓免費版
v9.708 安卓漢化版
v6.210 安卓版
v2.588 IOS版
v1.71.2760.382461 安卓最新版
v1.464.4384.330802 安卓最新版
v8.102.7848.412511 最新版
v7.876.3750.840437 最新版
v1.73.7157.111930 安卓版
v3.962 最新版
v3.39.8586.528988 PC版
v2.73.5337 安卓版
v6.299.1727.306666 最新版
v2.937.68 IOS版
v5.110 安卓漢化版
v4.440.8077 最新版
v9.387 安卓版
v2.568 最新版
v3.683 IOS版
v3.209.3273.599902 IOS版
v6.847.8139.253686 安卓免費版
v7.93 最新版
v9.537.6815.735878 最新版
v5.840.5657.637944 安卓最新版
v1.788.7831 PC版
v8.824 安卓漢化版
v3.982.6750.589975 安卓版
v3.974 最新版
v9.160.9545.441640 安卓最新版
v5.819.6689.44397 安卓免費版
v9.150.9331 最新版
v2.350 安卓最新版
v5.501.6147.250615 安卓最新版
v7.990.758.938253 安卓漢化版
v4.333 安卓免費版
v7.173.3710.711405 IOS版
v2.616.7079.731637 安卓版
v8.822.2290.383393 最新版
v1.802 最新版
v5.804 IOS版
v2.817.3510.526267 PC版
v4.628 安卓最新版
v6.727.3979.735507 安卓版
v1.140 安卓最新版
v1.415.9261.884913 安卓漢化版
v7.179.3071 IOS版
v1.846.8752 最新版
v1.134.9958 安卓免費版
v9.650.5416.733813 安卓最新版
v5.338 安卓免費版
v1.320.821.538110 安卓版
v8.924.213 PC版
v6.648 安卓免費版
日韩三级片在线视频
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
人人操人人干人人爽人人射
亚洲无码视频网站
欧美牲交a欧美牲交aⅴ连接
哪灬你的鸣巴好大视频黑人视频
内地毛片
三级片欧美性爱地址
美女晚内衣脱内裤
MY特黄精品毛片免费视频在线
肉色丝袜超薄一区二区三区
秘 不良研究院在线入口
欧美老肥妇性疯狂视频
秘 免费观看网站秘
美女裸交
av在线免费网站
美国Д30我看俄罗斯女人指令指令
91麻豆精品页无码
草久在线视频在线观
www.77777
嗯~啊别揉我奶头秘 真
精品二区
俄罗斯18XXOO在线
中文字幕不卡免费视频
91精品国产综合久久久不打电影
家属1~4动漫
吃瓜网必看大瓜
秦老师的秘密
www..yj234.com