目今位置:首页 → 电脑软件 → 你的第一部手机是什么牌子? → 永久在线视频 v3.49.4346 最新版
v2.332.8410 安卓版
v1.535.6838 安卓免費版
v5.275 安卓版
v9.740.8330.83362 安卓免費版
v1.541.2108 安卓最新版
v6.235.5030.550617 安卓最新版
v4.305.9661 IOS版
v6.595 安卓最新版
v9.313 安卓免費版
v6.192 安卓最新版
v6.934.1324.194139 IOS版
v3.378.3953.813834 安卓免費版
v2.754.1834 安卓版
v9.448.2938.707856 最新版
v9.654.2536 安卓漢化版
v3.336.2710 安卓最新版
v4.212.4467.239132 PC版
v2.858.555.586548 最新版
v6.690 安卓版
v7.617 安卓版
v7.814.520.236915 最新版
v5.64.3800.377253 PC版
v6.367.7754.428482 安卓免費版
v1.476.1940.617936 安卓漢化版
v8.997.9795.60446 安卓免費版
v7.816.2630.206866 最新版
v8.783.7251.158862 PC版
v1.88.7819.373845 安卓最新版
v7.244.9055.162539 安卓免費版
v1.61 安卓最新版
v3.700.3571.950711 安卓最新版
v8.225.5657.335697 安卓最新版
v9.170.1341.335484 IOS版
v9.668.6892.126793 安卓版
v2.702.7580 安卓最新版
v6.28 最新版
v6.949.9430 IOS版
v7.66.4753.547261 安卓免費版
v9.503 安卓最新版
v7.655.1255.210366 PC版
v4.551 安卓版
v4.616.5288 最新版
v3.218.2255 安卓最新版
v7.324.6184.77859 安卓版
v1.59 安卓最新版
v1.65.968 IOS版
v5.994 最新版
v9.957.4061.976191 安卓免費版
v6.960.9832.505021 PC版
v8.82 安卓漢化版
v1.545.5885 IOS版
v2.515 最新版
v1.89.3371 安卓漢化版
v6.971 PC版
v8.74.797 最新版
v6.270 最新版
v6.542.2671 最新版
v4.264.3238.244084 安卓免費版
v6.689.559 安卓免費版
v1.957.9469.386107 安卓版
v1.186.5343.405326 安卓漢化版
v5.372 PC版
v6.580.7647.953184 安卓版
v3.779.238.547147 安卓版
v8.669.5302.296189 安卓免費版
v8.89 安卓版
v2.971.4036.19764 IOS版
v9.495.606 安卓最新版
v1.3.1251 安卓最新版
v1.291.9874.667169 PC版
v2.157.93 安卓漢化版
v7.202 安卓版
v9.201.7201 IOS版
v6.625.1845.146348 安卓版
v8.49 安卓最新版
v2.727 PC版
v9.458.5161 安卓最新版
v1.90.339.954163 最新版
v2.858.404.696391 安卓漢化版
v5.881.7591.118793 最新版
永久在线视频
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
美女隐私软件下载
免费看裸体 跳舞
色偷偷网站
丰韵激情对白
亚洲爱爱爱网站
小莫骚麦
91成年网
免费看国产黄色视频免费观看
sM凌虐男奴Gay
xxnxpor18
黄视网站免费
五月婷婷丁香五月
9191在线
国产夫妻操逼视频
扒开 跪着让死对头打屁股双男主
看免费毛片A片
www.porono
亚洲性爱888中文字幕
iGAO视频网_为爱搞点激情!!
免费观看在线a片
视频一区 亚洲
国产精品拍国产拍拍偷剧情
XX猸曗瓡馃崋馃崋XXX
a片短视频在线免费观看
欧美日韩性爱视频
一级A片免费看久久男女情侣
欧美操B视频
国产AV绝色中文中出无码
中东混血中文字幕成人在线少妇网
国产黄色av免费在线
嫩草含羞草18禁 免费
在线观看日本网站