v9.860.195 IOS版
v3.509.908.508911 安卓漢化版
v2.437.3158 IOS版
v1.10 安卓免費版
v8.269.9463.138176 安卓最新版
v2.942.7742.500235 安卓免費版
v8.831.6888.287514 最新版
v7.417.3247.242902 安卓漢化版
v9.422.462.321795 安卓免費版
v4.779.8862.555589 安卓免費版
v6.658.6608.179527 安卓免費版
v8.866 最新版
v1.698.1599 IOS版
v3.928 PC版
v7.468 IOS版
v5.822.155 安卓版
v4.562 PC版
v6.572.9237.10242 安卓最新版
v1.112 最新版
v7.979.9579 PC版
v2.290.2586 PC版
v9.836 PC版
v9.522.8367.866830 最新版
v6.594.445.576232 PC版
v4.661 安卓最新版
v2.876.3774.435473 安卓免費版
v7.312 最新版
v2.980.1572.991667 安卓版
v9.115.967.619644 安卓最新版
v1.703.7582 安卓免費版
v2.368.7915.608640 最新版
v9.3.7167.790460 安卓最新版
v6.572.3037.416665 安卓免費版
v6.382 IOS版
v6.78.3302.277439 安卓版
v1.532.3073.820058 安卓最新版
v9.758.9641.475581 安卓最新版
v6.54.7294 安卓最新版
v5.270.7798.565055 PC版
v4.554.4334.686746 PC版
v6.107.3587.440462 IOS版
v7.304.3085 PC版
v7.26.4298 IOS版
v1.124.8603 IOS版
v4.437 安卓漢化版
v1.710 安卓漢化版
v7.585 安卓版
v3.796 安卓漢化版
v2.983.7945 IOS版
v1.905.7898.838196 安卓免費版
v6.916 安卓最新版
v4.676.209 IOS版
v7.192.2423.20602 最新版
v7.971 安卓最新版
v2.461.5636.469007 最新版
v9.782.5469.582300 安卓漢化版
v4.602.3720.710978 PC版
v7.778 安卓免費版
v1.717.3310.210358 安卓版
v1.378 安卓最新版
v8.505.8066.939799 安卓最新版
v1.956.379.510874 安卓版
v2.638.7075.534169 PC版
v3.752.3405.186998 最新版
v2.144.1363.271006 安卓免費版
v6.236.1378 安卓漢化版
v2.695.9420 安卓最新版
v1.233.9774.363379 安卓版
v5.555.7070 PC版
v8.130 安卓免費版
v1.232.5050 安卓漢化版
v1.479.1801.173815 安卓最新版
v1.975.7150 PC版
v8.366.9182 安卓免費版
v7.517.3529.790552 安卓漢化版
v6.139 最新版
v7.667.6579.431778 安卓版
v1.37.4714.472939 安卓漢化版
v9.720 IOS版
v8.677 安卓最新版
白鹿跪床 被
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
国产va播放在线
性色AⅤ在线观看视频
www.在线免费看黄.com
操鸥美老太婆
黄射视频
在线二区三区国产免费看污
手机AV白
99mav
国产日韩欧美aaa黄片
超碰在线播
农村色网站观看
overfollow91看大片
简单JDA视频大全
红桃黄色视频网站在线观看
porin卅蹏賷睾蹏乇
欧美国产微拍精品一
欧美AAAA特级黄片
一级伦奷视频国语
一起干人人干
无码影音色先锋
欧美激情粗大硬猛烈视频
国产精品视频九一
欧美性爱XXXXX视频
BBB片
亚欧美图片自偷自拍另类
丹麦性八欲DVD电影
困困狗打桩在线观看