目今位置:首页 → 电脑软件 → 新冠疫情可能在本月出现回升 → 午夜激情视频 v2.978.4223.35327 PC版
v7.209.9215.651285 安卓版
v5.266.7898 安卓漢化版
v1.686.8313.772000 安卓免費版
v1.279.5823.943498 安卓版
v8.257.9832.602515 安卓最新版
v5.402.841.571810 IOS版
v3.164.4449.655688 安卓漢化版
v6.755.6661.904972 安卓免費版
v1.172 IOS版
v4.568.6588.733849 安卓最新版
v2.382 最新版
v5.789.7833 IOS版
v2.204.3548.250289 最新版
v6.637.2173 安卓免費版
v7.967.2381 安卓最新版
v2.817.4288.364413 安卓最新版
v4.689.9465.105227 安卓最新版
v4.427.5520.383312 安卓版
v2.87.222 最新版
v5.246.8495.49361 安卓漢化版
v2.453 IOS版
v5.480.916.858803 安卓漢化版
v5.499.4510.773085 安卓免費版
v6.7.7945.142219 安卓版
v9.424.9079.57592 安卓最新版
v9.313.4400 安卓最新版
v6.869.5195.38217 安卓免費版
v3.872.7911.562566 安卓版
v5.429.7880 PC版
v4.12 安卓最新版
v8.8 安卓漢化版
v7.912.540.785150 安卓最新版
v9.929.6613.990442 IOS版
v2.898.6461.292209 最新版
v4.923.1468 安卓免費版
v6.618.9921.882019 最新版
v6.803 安卓漢化版
v2.342 PC版
v3.147.7129.175010 最新版
v9.234.2788.976196 安卓免費版
v4.567.5961.77800 安卓版
v6.558 安卓免費版
v5.580 最新版
v7.708.9079 安卓免費版
v1.749.6109.265378 最新版
v3.356.5693.751419 安卓版
v6.882.6669.737423 安卓免費版
v5.473.2953.169372 安卓版
v4.123.6027.655659 安卓漢化版
v7.449 IOS版
v6.793.5423.103327 安卓漢化版
v8.443.4464.305138 最新版
v3.867.9236.817395 安卓漢化版
v5.185.3292 最新版
v6.464.7100.590568 最新版
v4.501.2652.207137 安卓最新版
v2.479.8486.379617 IOS版
v2.565.1787.954487 安卓漢化版
v1.844.2148 PC版
v5.894.8029 最新版
v9.306.9543.740715 安卓版
v7.745.715.874893 IOS版
v1.749.731.331391 PC版
v3.568.9156.30280 安卓免費版
v9.800.8394.106509 安卓最新版
v5.434.4403.192336 安卓免費版
v5.364.7229 安卓免費版
v8.601.5513.592714 PC版
v8.166.7898.770150 IOS版
v2.988 安卓版
v7.263 安卓版
v3.800.8647.422252 安卓版
v7.149.3470 安卓漢化版
v8.425.7986 PC版
v8.514 安卓漢化版
v2.405 IOS版
v5.582.3353 安卓漢化版
v9.539.9481 安卓免費版
v7.207.7358.377721 IOS版
v5.783.7678.207923 PC版
午夜激情视频
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
又色又爽又黄18 网站
博人狂冲雏田
日本巨乳在线
自慰秘 免费网站
国产精品成熟老女人
在线观看的a片
china体育gary2022
操我
国内一级精品免费看
狼友视频 在线观看
久久久久久久久久久久久久久久
www.深夜成人 直播爱豆
无码操逼视频
亚洲黄色视
jizz jizzjizz亚洲视频
mmmwww在线看片免费观看不卡
天天干天天干
人成免费在线视频
欧美精品A片久久
最新激情视频网站
欧美 亚洲 中文 日韩
91麻豆精品国产自产观看在线
www.射射射
中文字幕 一区二区在线观看