v1.270.6793 安卓最新版
v5.452.1702.586201 安卓免費版
v8.292.899 安卓漢化版
v2.460.4196.249167 PC版
v8.528.535.991388 IOS版
v1.834.1460.325401 安卓漢化版
v5.855 PC版
v8.668 安卓免費版
v1.413.1969 安卓版
v7.431.3362.953971 IOS版
v8.920 安卓漢化版
v1.261.9647.106167 PC版
v1.266.7744.500539 安卓漢化版
v8.39.5446.450193 安卓最新版
v7.775 最新版
v9.498.3083 安卓版
v3.695.9094.851542 安卓免費版
v2.619.8159.315433 PC版
v5.260.3975 最新版
v8.358.4693.648920 安卓漢化版
v2.391.7465 PC版
v1.36.7745.955846 IOS版
v8.83 安卓版
v4.250.2096 安卓最新版
v1.399.5607 安卓免費版
v9.552.4405.886332 安卓版
v1.715 安卓版
v7.279 PC版
v3.507 PC版
v8.855.7426.497081 安卓漢化版
v3.930.3073 安卓最新版
v5.46 安卓漢化版
v8.185.4727.581215 安卓漢化版
v6.895.6923.224992 安卓免費版
v4.866.6228 IOS版
v7.690 安卓免費版
v8.509.1243 安卓免費版
v6.33.7548 安卓漢化版
v5.413.2125.710364 PC版
v1.68.4178.598338 安卓最新版
v8.301.3785.80379 安卓免費版
v5.458.4131.951338 安卓最新版
v9.494 IOS版
v7.548.1458 安卓版
v8.690.2624.48544 安卓漢化版
v5.68.3467.48201 安卓漢化版
v5.67.3568 最新版
v4.158 PC版
v1.541.6586 IOS版
v1.124 安卓最新版
v8.40 安卓版
v6.874.9476.171599 安卓漢化版
v1.7.7454.582842 IOS版
v7.134.8226.470518 安卓版
v5.533.1534.269596 安卓免費版
v8.970.8320.554400 安卓最新版
v6.514.9138 IOS版
v4.312.9948.44420 IOS版
v4.435.6900.38667 安卓版
v5.292.1973 安卓漢化版
v9.691.2443 最新版
v6.89.1363.530954 安卓免費版
v4.221.2937 安卓版
v5.394.7865.415525 安卓最新版
v5.352.6772 安卓漢化版
v7.518 安卓漢化版
v3.200.4559.758523 安卓免費版
v7.802.2651.937761 安卓免費版
v8.458.2564.986046 安卓免費版
v8.768.4710.185085 安卓漢化版
v5.698.9148 安卓漢化版
v8.863 IOS版
v2.696.682.975437 IOS版
v2.214.9864 安卓免費版
v5.507.2898.389893 安卓免費版
v8.639 安卓免費版
v6.276.2492 安卓漢化版
v9.589.7230.360101 安卓漢化版
v2.370.8515 最新版
v7.471 IOS版
欧美午夜精品免费理论片
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
一级做a爰片毛片A片
一本高情dVd
黄色视频频无码
女人高潮娇喘嗯啊在线观看
国产妓女爱Xx视频业余
欧美黑大吊操逼
亚洲国产精品网站
人人操人人操摸
欧美精品一线二线大片
精品五月天六月花一区二区
园内精品自拍视频在线播放
免费观看在线Aⅴ播放
色欲久久久久久综合网
欧美嗷嗷叫
色欲a√手机在线视频
www,高潮,c0m
ixiguefun免费版使用方
超碰在线A片
天天 天天综合色
色哟哟在线播放
曼曼小仙儿雅朵有声小说免费收听
2可以看毛片网站
成人 高潮片免费欲涩漫