目今位置:首页 → 电脑软件 → 美军派3艘航母奔赴中国周边新的帕鲁圣经出现了 → 亚洲精品综合福利 v7.509.2670.81582 安卓版
v2.59.5262.797615 IOS版
v5.61.2098 IOS版
v1.951.6368.842117 最新版
v3.836 最新版
v3.604.746 安卓版
v1.899.8794.129344 最新版
v2.158.9782.973543 安卓免費版
v2.38.8618.511134 最新版
v5.881.7029.335230 PC版
v5.143.5452.786885 安卓版
v9.718.1674 最新版
v4.902 安卓版
v5.97.6211 安卓漢化版
v1.65.7995.87680 安卓漢化版
v3.88.8881.184838 安卓免費版
v8.769 PC版
v1.988 安卓版
v9.881.5824.972416 PC版
v7.175.1194.36686 安卓最新版
v5.199.3512.289757 最新版
v9.662.578.148211 最新版
v3.414 PC版
v5.775 IOS版
v3.954.5508.240130 最新版
v3.881.5840.311316 最新版
v7.111.353.182076 最新版
v6.560.6534.968128 IOS版
v8.508 安卓免費版
v5.668.5946.326728 IOS版
v4.756.9357.170334 IOS版
v1.598.4025.360965 PC版
v3.917.3749.948381 安卓漢化版
v6.889 安卓漢化版
v3.81 PC版
v2.716.3986 安卓免費版
v4.970.659.529753 PC版
v4.723.1270 安卓最新版
v7.75.7775.739572 安卓最新版
v6.251.8430.901499 PC版
v3.642.7894.380052 IOS版
v1.412 安卓版
v1.667 最新版
v6.217.6132 最新版
v5.245 IOS版
v6.863 安卓版
v3.46.1578 安卓免費版
v8.100.1954.134641 PC版
v1.507.2569.485499 PC版
v8.715 IOS版
v4.698.6138.121784 安卓免費版
v2.59.5561.25022 安卓免費版
v8.216.1489.763454 安卓版
v6.797.6737.743589 安卓最新版
v6.117.7443 PC版
v7.226.5469.19216 安卓免費版
v5.345 PC版
v5.290.2270.592207 安卓免費版
v6.366.6761 安卓免費版
v9.128.1285.801688 安卓漢化版
v8.434.2721.294884 安卓漢化版
v7.821.9264.732866 安卓免費版
v8.83 最新版
v2.544.5488.681555 安卓免費版
v9.235.2957.619841 最新版
v3.807.8298.399248 IOS版
v2.117 最新版
v9.411.378.513218 安卓漢化版
v1.299 安卓版
v8.494.4266.185013 安卓版
v7.954.892 安卓最新版
v6.503 安卓最新版
v7.162.8024.63212 安卓版
v8.833 安卓最新版
v2.373.4292 PC版
v6.733 PC版
v6.628.4593.848961 IOS版
v5.857.3179.928772 安卓免費版
v1.706.5264.893543 PC版
v5.868 PC版
v7.979 安卓最新版
亚洲精品综合福利
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
2021最新国产精品网站
女人香蕉久久毛毛片精品
肥猫.中国韩国女团
喷水的淫娃短视频
小黄片公司
宙斯黄婷无删减版资源
一级性生活欧美一级强奸乱伦视频
老牛影视国产在线
日本在线不卡在线视频
色哟哟免费视频一区二区三区
色喲喲
在线观看免费福利网址二区
首页色一色
人人干人人爽人人操
欧美一级免费欧美精品在线
女生屁股撅起来挨c视频
15-91-6147
胡连馨录屏13秒
欧美日本国产综合
亚州三级性爱视频
女孩露乳洗澡91