目今位置:首页 → 电脑软件 → 星期五俱乐部16:炙烈爱情之荆棘爱恋 → 干.com v1.569.1217 安卓免費版
v3.12.7812.38324 安卓最新版
v8.929 IOS版
v2.255.6624.808519 安卓漢化版
v5.126.5711 安卓免費版
v2.693.1211.498184 安卓漢化版
v6.429.6389 安卓版
v3.530 安卓版
v9.260 安卓最新版
v1.105.3342 IOS版
v1.79 安卓最新版
v9.439 安卓漢化版
v7.955.1947.189161 安卓最新版
v6.284 PC版
v6.673.6724.876543 IOS版
v6.658.9713.368776 安卓版
v4.623 PC版
v6.557 安卓漢化版
v7.187.4087.203676 IOS版
v9.752.7924.4394 最新版
v5.359.279.722418 最新版
v5.699.2812.124066 安卓漢化版
v7.970.497.168772 安卓最新版
v9.828.3975.175797 PC版
v4.467.2730 安卓最新版
v2.338 IOS版
v7.314.799.964574 安卓漢化版
v7.90.2351.563649 IOS版
v9.160 安卓最新版
v6.912.2177 最新版
v8.580 安卓漢化版
v9.715 安卓最新版
v6.742.752.630225 安卓版
v8.261.2117 IOS版
v9.203 安卓漢化版
v3.928.5963.427018 最新版
v1.288.1328 安卓免費版
v8.666.4863.268219 PC版
v7.738.4788.478956 安卓版
v3.486.9603 IOS版
v3.661.6836.930094 安卓免費版
v6.439.7956 PC版
v8.183.925 最新版
v4.864.3373.888007 最新版
v7.549.5885.236336 安卓漢化版
v2.82 最新版
v4.518.6191 安卓最新版
v5.53 安卓免費版
v9.284.1275.5539 安卓免費版
v4.189 PC版
v6.354.8592.275716 安卓版
v7.15 安卓免費版
v9.112.3233 最新版
v2.326 安卓漢化版
v3.531.3837.218747 安卓最新版
v8.968.9274.226538 安卓漢化版
v7.451.1395 安卓漢化版
v8.622 安卓免費版
v7.506.9037.367884 安卓免費版
v2.718.3258 安卓版
v8.920.8577.595847 安卓漢化版
v5.625 最新版
v9.169.8889 安卓免費版
v4.610.8325 IOS版
v8.768.3817 PC版
v8.211.9763.496811 安卓漢化版
v5.996.6605.766748 安卓免費版
v9.917.9016.520483 安卓免費版
v9.515 安卓免費版
v7.49.1277.644790 安卓版
v3.282 安卓免費版
v4.296.8639 最新版
v8.15.9558 安卓免費版
v6.435.8166.377574 安卓免費版
v5.225.6643.133979 安卓免費版
v7.337.2461.123896 安卓版
v5.300.1797 最新版
v2.169 IOS版
v4.512.1244.1362 安卓版
v2.827.6442.355079 安卓最新版
v8.819.783.723610 安卓免費版
干.com
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
火影忍者2025年7月平衡调整
快播色色资源视频
灰原哀的胸襟距离观察过程
人人舔人人操人人爽
黄色网址谁有
欧美激情A∨在线视频播放
色哟哟在线精品无码
我和子的性关系过程A片
古代AV高清A片在线网站
老师脱了裙子让我喝她尿
操B图一区
日韩欧美在线播放电影一区二区
3p视频网站
柳州莫青
久久久久黄色
国产肥熟女视频一区二区国产盗摄
蓝摄bluephoto图集
拳交
玉足踩食物喂饭视频免费下载
aqdav27.com