国产精品视频系列专区,以简单为核心,却拥有强大的功能与丰富的内容

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗?中科院新基准给出谜底

2026-01-13 06:37:23
泉源:

猫眼影戏

作者:

李翰祥

手机审查

  猫眼影戏记者 薄金清 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:大陆精品国产AV成拍色拍

??01月13日,时政微周刊丨总书记的一周(4月29日—5月5日),

  5、学龄前儿童在街道或公路上行走,须有成年人向导;

,四海a片在线。

??01月13日,游戏产业成毕业生就业“香饽饽”,

 。10)知错就改

,特大巨黑吊性XXXX黑人巨大,麻豆张津瑜9分35秒未删减版,国产黑色丝袜在线观看下。

??时势2:最新三级毛片

??01月13日,宁夏将迎今年首场大范围降雪,

  第二,希望通过这次培训,能够使各人进一步提高素质、提高能力,增强班子的凝聚力和战斗力

,流萤被操,奶肌酱资源,屄站在线。

??01月13日,全国公园最多的城市,一天逛一个要三年半|这座城市有点东西,

高校校长新学期讲话 篇3

,乱大全,开拓者射云璃,国产精品黄片。

??时势3:在线观看你懂的国产精品

??01月13日,大连话剧《老酒馆》即将亮相北京舞台 演绎大连传奇往事,

  这个故事告诉我们:只要心中的目的清晰,就有胜利的希望。同砚们,在这仅剩下的短短的三周的时间里,请你看清心中的目的,看准她,咬定她,矢志不渝地起劲去奔向她吧!希望你们在这短暂的时间里,在先生的指导资助下,找准偏向,增强信心,受苦钻研,自动学习,在学习态度、学习精神、文明等方面为低年级学生树立优异的模范,并以优异的结业效果为小学学习生涯画上一个圆满的句号,上交给学校一张知足的答卷。

,4444在线看免费观看,欧美国产一区二区在线观看,furryitch.io18 游戏入口。

??01月13日,习近平:中国式现代化,必将为世界发展带来新的更大机遇,

  x曾指出:“中国人民解放军是人民民主专政的顽强柱石,是捍卫社会主义祖国的钢铁长城,是建设有中国特色社会主义的主要实力”。平时,我们大部分同砚与人武部官兵接触少,现在,有时机加入军训生涯,一定要珍惜这难堪而短暂的时机,虚心学习他们的好头脑、好作风和庆幸革命古板,学习他们高尚的忠于党、忠于祖国、忠于人民的爱国主义精神、无私贡献的精神和艰辛斗争的精神,并以此为动力,把所学到的优良品行和作风贯串到以后的学习、生涯和事情中去,受苦学习知识,更好地报效祖国、效劳人民。

,白丝jk❌❌爆❌❌❌乳官方版,中文字慕在线观看,多人强伦姧在线观看。

??时势4:AV黄强奸美女

??01月13日,缅甸宣布将国家紧急状态延长6个月,

  一叶扁舟漂在湖中,澄净的湖水随风漾起波纹,金色的龙须鱼跃起,闪灼出灿灿的光华,溅起大片的水花。

,星野被老头拿下关键词,www.99re009.com,国精产品一二区三区视频。

??01月13日,第21届中国—东盟博览会推介会在柏林举行,

  最后,祝列位来宾、列位先生、列位朋侪身体康健,事情顺遂!祝同砚们快乐生长、学业有成!祝本届艺术节办得色泽醒目,获得圆满乐成!

,国产91福利在线,国产8x人视频免费,激情AⅤ欧美一区二区孕妇。

【第四届中国人才势能大会举行 共探人力资源新趋势】

【恶性安全事件高发频发 驻中非使馆发布紧急安全提醒】

责编:林地里

审核:朱必星

责编:尤佳

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图