(6分钟全面认识)超碰在线免费国产苹果版v17.19.92.16.81.41.29.97-2265安卓网

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗?中科院新基准给出谜底

2026-01-09 17:12:38
泉源:

猫眼影戏

作者:

石鲁庆

手机审查

  猫眼影戏记者 凌朔 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:免费看亚洲一区二区三区黄色视频

??01月09日,全球首个整车级无线网络仿真实验室在渝投用,

  石昊“嗖”的一声跃起五六米高,落在了宽阔的鹰背上,马上感受到了一种坚硬,每一枚鳞片都如精铁般冷硬。

,小柔(高h)被教官c到崩溃。

??01月09日,福建“断崖式”降温出现雨雪天气 电网“黑科技”力保“零停电”,  记者从北京公交警方获悉,克日,李某虎、陈某友、何某新、王某才四人已被刑拘,现在案件正在进一步办理中。(@北京晚报 记者 徐慧瑶),欧美片网站,久久A级毛片免费看,国产九九视频一级毛片。

??时势2:国产美女精品视频线免费播放软件

??01月09日,李强会见欧盟委员会主席冯德莱恩,

  然而,那是真正的宝具,不可能真个被击碎,不然何以称珍贵?金色鳞片只是暂时被压制住了部分。

?第八十四章 斩祭灵,日韩精品视频一区二区在线观看,欧美视频激情小说,梅花麻吕姐妹游戏官网入口。

??01月09日,韩国警方就尹锡悦涉“内乱罪”进行调查,  国家体育总局体育文化与体育宣传生长战略研究中心高端智库主干专家、广州体育学院教授曾文莉告诉《环球时报》记者,体育具有较强的杠杆效应,以体育赛事演出为杠杆,能撬动都会基建、旅游、文化等,激活体育消耗热情,推动体育工业能级提升,而这个杠杆的原动力主要是运发动尤其是明星运发动。,6080午夜在线观看,WWW,偷拍,COM,黄频网在线观看。

??时势3:2022午夜福利永久网站

??01月09日,九部门开展第27届全国推广普通话宣传周活动,

  这一次是纯粹的镇杀,并非锁困,纵然小不点想以那块符骨滋扰虚空也无用,不过他并不恐惧,这里无法逾越搬血境,他无惧任何人。

,成·人免费午夜无码视频a,亚洲av办公室啊,91自拍第一页。

??01月09日,大熊猫巴斯:从福州大梦山走向世界的中外友好使者,

  “若有人持剑斩了你的子嗣,然后你再回来说这句话试试看!”石子陵绝不客套。

,中文字幕 免费视频,在线观看黄AⅤ免费无毒网站,FreePorno馃拫馃憴5H。

??时势4:玖玖在线精品视频

??01月09日,北京丰台聘任56名“法治副村长” 为基层治理注入新动能,

  “柳神,这些工具,我们找不来。”小不点轻语,低下了头。

,一级片免费黄色网站,18岁 网站-18岁 网站最新版v51.8.44.5.,日本东京热鬼逝伦轩。

??01月09日,龙年盲盒、足量果蔬、定制化物资……太空快递小哥“天舟七号”准备就绪,

  一、要找准位置,明确职责,树立起高度的责任感

,欧美丝袜综合 国产13页,欧美另类丰满熟妇乱XXXXX,米塔本子爱情岛。

责编:金水宁

审核:王文雄

责编:克劳迪娅

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图