目今位置:首页 → 电脑软件 → 当超模从面前走过路人的反应 → 人人操最新网站地址 v2.832.2255.511443 安卓漢化版
v4.624.1223.77388 最新版
v6.608.3093.882978 最新版
v8.413 最新版
v4.249.6616.316616 安卓免費版
v5.99.9092.192297 安卓免費版
v1.712.4482.961612 安卓免費版
v2.149.1852.964880 IOS版
v3.799.7097 安卓最新版
v5.84.6996 安卓免費版
v7.354.217.989484 PC版
v8.976.5731.328933 安卓版
v5.713.9410.881168 安卓漢化版
v8.435.4821.43098 安卓免費版
v3.261.7107 安卓最新版
v3.732.1513.117876 安卓漢化版
v4.70.1258.176359 安卓最新版
v9.303.36 安卓免費版
v1.745 最新版
v4.932 IOS版
v8.695.3307.675936 安卓漢化版
v5.493.3209.324049 安卓漢化版
v5.406 安卓漢化版
v2.234 安卓最新版
v1.263 安卓版
v1.403.7713 IOS版
v4.160.7008.419116 最新版
v3.653 安卓漢化版
v9.671.7111 安卓最新版
v4.806 PC版
v1.732.7458.788678 安卓最新版
v2.413.3066 安卓最新版
v5.457.9762 安卓版
v8.278 IOS版
v6.609.5312.603584 最新版
v8.514.5178.956965 安卓免費版
v8.945.1232.602224 安卓漢化版
v1.179.6025.341267 安卓漢化版
v2.799.8372.208786 安卓版
v9.393 PC版
v2.87.9123 PC版
v2.389 安卓最新版
v8.805 PC版
v9.213.8121.109887 安卓免費版
v5.462.600.286504 最新版
v6.136.6913 安卓漢化版
v9.55.7734 安卓免費版
v2.778.8107.158438 安卓版
v3.178 安卓版
v7.992.5611.626515 安卓最新版
v5.488.3359.132381 PC版
v1.742.6660.283589 IOS版
v9.509.3132 IOS版
v4.34.4857.405123 安卓免費版
v9.478.3536.925072 安卓免費版
v5.833 安卓免費版
v8.761.529.888615 安卓最新版
v5.238.7628 安卓最新版
v9.813 最新版
v9.657 最新版
v7.930 PC版
v7.343.1733.537179 安卓最新版
v7.313.1775 安卓版
v1.48.728.367636 最新版
v5.740.2806.693521 安卓漢化版
v6.647.8211 安卓最新版
v6.879.6287.509685 安卓漢化版
v4.302 安卓漢化版
v1.115 PC版
v9.427.4830.247475 安卓版
v3.830.8671.125346 IOS版
v3.851.3531 安卓最新版
v2.25.780.402599 IOS版
v1.316 安卓免費版
v3.577.380.973847 安卓漢化版
v2.692.9488.975578 安卓漢化版
v4.6.7065 最新版
v6.648.5824.155354 安卓版
v3.580 安卓漢化版
v8.398.7317.370027 最新版
v9.209.5473 安卓漢化版
人人操最新网站地址
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
95免费视频
iGao爱搞在线影视
免费的国产区一区
55偷拍视频网站
鸣人强小樱禁欲动漫网站在线看免费版
邪恶天堂邪恶道道
亚洲一区二区欧美色妞影院
我下载一个男人日三个以上的女人p
www.干干
高清黄片免费看
黄色视频成年在线不卡
一级做a影片a在线视频中文字幕
爆乳女教师一区二区三区吊视频
一级精品日韩av
成人女同 LV免费观看在线
色阁二
在线国产视频9999
YJLZZZJLZZ亚洲中文