目今位置:首页 → 电脑软件 → 克丽欧的红色复仇 第二季 → 大菠萝福建官方人口2024 v5.88 安卓版
v5.336.8778 安卓漢化版
v3.876.9866.681859 最新版
v2.854 安卓版
v8.553.8834 IOS版
v3.105.4276.472101 安卓免費版
v5.256.6246.891400 安卓免費版
v6.732.5630.127268 安卓免費版
v4.445.7821 安卓免費版
v3.959.2047 安卓最新版
v4.588 安卓漢化版
v6.862.3181.954726 安卓最新版
v7.592.7594 安卓版
v5.112 IOS版
v7.488.3690.475336 PC版
v6.289 安卓漢化版
v6.627.8897.723733 最新版
v3.388.6527 安卓最新版
v1.288.6290 安卓最新版
v9.598.4380.720363 安卓免費版
v2.752.1219 安卓版
v5.110 安卓版
v2.904 安卓版
v5.945.2078.953877 最新版
v3.729.1120 PC版
v4.460.4768 安卓版
v7.238.5319.872919 安卓免費版
v9.166 安卓免費版
v1.109.1537 安卓漢化版
v1.675.9602 IOS版
v5.980 安卓版
v2.627.9951.213740 PC版
v1.165.4489.879604 安卓漢化版
v9.802.5712.919440 安卓版
v2.234.2147.604186 安卓免費版
v5.168.7102.586691 PC版
v1.923.3215.779338 最新版
v4.856 安卓免費版
v6.928.821.561461 安卓版
v2.183.815.673443 IOS版
v4.491.5379.41637 IOS版
v4.401 PC版
v5.897.4238.661540 IOS版
v8.395.7581 安卓免費版
v5.25 IOS版
v1.92.8778 安卓免費版
v7.554.2937 PC版
v2.814.5983.190059 安卓免費版
v9.207.9163 安卓最新版
v2.449.112.270996 安卓最新版
v8.417.2302.422060 安卓版
v1.111.3701.224847 安卓漢化版
v1.282.1280 安卓免費版
v2.468.513 安卓最新版
v3.153.4635.955712 安卓漢化版
v9.18.7728.985054 安卓版
v7.524 PC版
v1.410.8590.734864 IOS版
v4.450.5684 IOS版
v3.296.4555 安卓版
v9.483 最新版
v1.494 安卓漢化版
v8.111.6880.874628 安卓版
v1.623.5370.125046 安卓免費版
v2.730.2551.320594 安卓最新版
v7.102.1348 安卓免費版
v9.688.844 最新版
v9.748 IOS版
v2.735 安卓最新版
v5.695.6995.844087 安卓免費版
v1.796.1777 安卓最新版
v5.675.7547.129779 安卓版
v3.122.3109.173676 安卓免費版
v3.327 PC版
v2.254 安卓漢化版
v3.822.8166.56252 安卓最新版
v8.339.8445 安卓版
v8.289.6895 PC版
v1.661 安卓最新版
v9.855.7010.673449 最新版
v4.589.7487.147533 安卓免費版
大菠萝福建官方人口2024
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
乳交
乱伦-97
免费看成年人推荐视频
国产在线精品911
www.8*8*8*三级.com
白白的深夜宝藏库存
色色色视频区
人人操人人操人人操人人人人操
午夜电影网
3344成年在线视频免费
日韩天堂在线视频
日本色色色色色色色色色网
国产乱伦集合无码
黄色,com
女人被爽到高潮的视频
欧美日韩一区二区三区韩大
免费一级国产 级黄色视频
一本大道香蕉久在线直播
哪里有免费看黄视频网站
92看片婬黄大片欧美看国产片
香蕉视频一级毛片
114一级黄片
日本欧美最黄色视频
免费看荫蒂添的俱乐部
日韩精品二三区