目今位置:首页 → 电脑软件 → 高铁超载无法运行 有旅客被请下车 → 偷喝朱竹清乳液 v7.229.1620 IOS版
v9.21.2774 最新版
v2.912.1001.261560 最新版
v1.595.4053 PC版
v7.761.7667.238089 PC版
v8.967.5882 IOS版
v7.410 安卓最新版
v3.14.5581.114672 最新版
v6.306.8496 最新版
v5.243.2284.384954 安卓版
v5.925.3778.344555 安卓免費版
v8.49 安卓免費版
v4.871.7658.858537 PC版
v6.119.1217.342003 IOS版
v5.975 安卓版
v4.542.3264.989115 安卓漢化版
v9.151.6995.172190 安卓版
v7.51 IOS版
v1.935.3750 安卓漢化版
v5.24.3920.972104 PC版
v1.189.814.211214 安卓最新版
v4.530.2265.631790 安卓免費版
v1.921.8629.734993 PC版
v5.500 安卓最新版
v2.873.8023 PC版
v4.869.4209 最新版
v5.224.6360.773477 安卓版
v2.10.5976 安卓最新版
v4.373.3963.258646 安卓免費版
v3.914.8293.122930 安卓最新版
v7.172.6071.120521 安卓漢化版
v5.650.3040.165371 PC版
v2.861.2260.467146 安卓漢化版
v7.320.7422.626478 安卓免費版
v5.467.3977.925988 安卓版
v4.706 最新版
v3.203.1872.141684 IOS版
v7.996.1813.114322 安卓最新版
v1.371.9612.409534 安卓免費版
v2.391.2876 安卓最新版
v2.61.9048.108862 PC版
v2.435 安卓漢化版
v9.283.7585 PC版
v1.477.2788.728553 IOS版
v5.78.3039.714635 安卓最新版
v8.265.4127.932273 IOS版
v5.613.4420.14946 最新版
v6.596.6904 安卓版
v6.622.9498.805942 IOS版
v4.549.4619.526925 IOS版
v7.114 安卓免費版
v3.553.2116 最新版
v8.918.9074.590121 PC版
v4.323 IOS版
v9.454.1111 安卓版
v8.329.2787.434693 IOS版
v3.509.4716 IOS版
v1.191.6775.782391 最新版
v7.721.7145.798149 最新版
v2.67.9005.19911 PC版
v2.253.6499.635995 IOS版
v9.6 安卓最新版
v3.548.7961 安卓最新版
v5.483.9814 最新版
v3.164.3539.453956 安卓版
v5.603.9609 IOS版
v1.355.4674 安卓免費版
v4.984.9953 IOS版
v1.848.6467.664537 安卓版
v8.729.4261.803522 安卓漢化版
v3.442.7847 IOS版
v4.603 IOS版
v7.119.1628.518394 安卓最新版
v5.196.9919 安卓最新版
v1.907.6968.604272 PC版
v5.56.3959.396698 安卓漢化版
v5.259.4760 IOS版
v7.68.3589.750798 安卓漢化版
v2.934.6734 安卓漢化版
v7.230.9241.451551 PC版
v6.537.9866 最新版
偷喝朱竹清乳液
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
男童小正太无毛gay无套直播
天堂2020资源最新版
国产免费A视频在线观看
欧美大肥臀BBW
视频一区二区国产盗摄
黄色国产无码
国产一啪二啪啪啪
麻 m 豆 m 国产传媒入口2024
日本中文字幕视频在线
9.1免费网站nba在线观看下载
福利片视频网站
亚洲黄色第一页在线
无码黄片视频在线观看
91吃瓜爆料黑料网曝门
欧美三级在线播放线观看
扒开雏田 狂揉 动漫
免费看A片人成视频免费播放欧美
熟女俱乐部视频一区二区
性爱色图
精品国语国语刺激对白在线
一级爱爱片一级毛片
亚洲真人黄色录像