v3.978.9885 安卓最新版
v2.328.1619 IOS版
v9.582 安卓版
v2.944.6224.766989 PC版
v6.795.3867 安卓版
v8.721.3902.560348 PC版
v4.488 安卓最新版
v4.691 安卓漢化版
v6.276.8838.333484 IOS版
v2.608.5404 安卓版
v5.417.1863.48976 安卓版
v4.787.5794.42607 安卓免費版
v5.989.5949 最新版
v4.219.3772.965002 安卓漢化版
v6.239.9046 IOS版
v4.933 PC版
v9.853 安卓漢化版
v2.495.4781.621572 PC版
v5.549.2469 PC版
v6.606.7874.6523 安卓漢化版
v2.97 安卓版
v6.837 PC版
v2.640.6106.918279 PC版
v9.335.539 安卓免費版
v1.244.1136 安卓漢化版
v8.566.5619 PC版
v6.437.9565 最新版
v3.555.8127.558835 安卓免費版
v8.657.7908 安卓最新版
v5.158.3861.176963 安卓版
v9.724.3857.699133 安卓版
v1.556 最新版
v9.785.5947.983773 安卓免費版
v8.294.6753.909704 安卓漢化版
v5.723.131 PC版
v3.652.1081.140431 PC版
v3.60.663.899067 安卓最新版
v9.471 安卓漢化版
v2.805.7271.365646 最新版
v9.702.3307 安卓免費版
v1.916.8704.293471 安卓最新版
v3.106.5864.502428 安卓漢化版
v7.52.5098 安卓版
v6.940.9394.970467 安卓最新版
v1.380.5465.55408 安卓最新版
v8.630.3267.624683 安卓漢化版
v2.752.8588.276183 IOS版
v9.691.285 IOS版
v5.523.4827.991624 PC版
v9.431.778 最新版
v8.711 IOS版
v4.992 IOS版
v5.771.1747 安卓最新版
v1.711 IOS版
v6.290.1610.879091 PC版
v9.212.7617 IOS版
v5.901.392 安卓最新版
v9.410 PC版
v5.100.7554 安卓最新版
v3.276.8014.395373 安卓版
v7.679 安卓最新版
v9.359 安卓漢化版
v7.339 安卓免費版
v9.959.9907.319458 安卓版
v1.462 PC版
v8.119.5945.509597 安卓版
v6.623.1828.654867 IOS版
v8.266 最新版
v3.908.7849 安卓漢化版
v5.586.5219.39690 安卓版
v1.759.3734.204685 安卓漢化版
v1.578 安卓免費版
v9.345 PC版
v5.277.4756.964706 安卓最新版
v5.41 安卓最新版
v1.255 安卓漢化版
v2.43.245.478671 最新版
v3.24.4337.802667 安卓漢化版
v3.770.1344.521517 安卓漢化版
v2.388.8706.502020 安卓版
国产男女色黄大片
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
福利视频导航精品
超碰人人人人
欧洲第一黄色网站
葫芦娃榴莲芭乐丝瓜秋葵18绿巨人
狂超女视频在线播放
第五人格18本子资源获取
柚木白丝在线自慰
国产裸拍裸体视频在线观看野外
h片在线视频观看免费
干逼逼视频
黄色视频hs
约尔黄昏r18车不适怎么处理
日本女优上非洲找黑鬼操逼
欧美 XXXX⑧中文
激情综合网天天
赵露思裸体
w531.c最新版本更新内容
国产欧美亚洲91精品
把女人的腿扒开添高潮
免费色高潮
18禁止免费
外国黄网站色视频免费
9999免费网站大全
孕妇精品一区二区三区
熊多多u熊软件
123人人免费操在线观看
一级无码激情在线观看
免费看刺激毛片在线播放
MM131周于希被 喷水视频