目今位置:首页 → 电脑软件 → 媒体反映的罐车运输食用油乱象查处通报 → 手机黄片av v8.888.1968.507664 安卓版
v3.768.7859.580718 安卓最新版
v4.414 IOS版
v7.831.2616.839311 最新版
v4.631 安卓最新版
v6.921.4422.680633 安卓版
v8.802.3291.75859 最新版
v3.229.9146.247067 安卓版
v9.326.9041 IOS版
v2.204.2390 PC版
v5.541.3959 安卓版
v7.658.7460 最新版
v4.753 PC版
v8.500.1047.377773 安卓漢化版
v5.5 安卓版
v3.810.8975.309451 最新版
v9.576.5597 安卓版
v8.950.7125.967932 IOS版
v7.524.6254.499594 安卓最新版
v3.632 安卓最新版
v6.88.4410.630374 安卓最新版
v2.20.5415.250335 安卓免費版
v3.761.7031 安卓漢化版
v5.127.6638 PC版
v7.373 IOS版
v3.611 安卓免費版
v6.88 最新版
v9.989.3568.377861 IOS版
v1.598.4125.197630 安卓最新版
v6.519 最新版
v2.23.289.367055 安卓漢化版
v1.417.3633.224243 最新版
v4.424.3064 安卓漢化版
v7.736.3627.583577 安卓版
v4.845.5468.757916 安卓版
v4.178.7912.724870 安卓免費版
v4.266.258 IOS版
v2.691.377 安卓版
v3.578.3976.777144 PC版
v2.790 安卓免費版
v8.355.8113.156198 安卓免費版
v2.578.6385.271221 安卓漢化版
v4.538.6217.298461 安卓漢化版
v1.787.3851.192891 IOS版
v4.938.9655.12705 安卓最新版
v1.469.4657.654900 安卓免費版
v1.672 PC版
v2.574.6674.833175 安卓版
v1.82.9748.233667 安卓免費版
v2.332.52 安卓版
v9.922.9285.252936 最新版
v7.760.8957 安卓最新版
v9.792 最新版
v6.862.658 PC版
v1.880.5154.890033 PC版
v5.107.2228 最新版
v8.516 安卓免費版
v5.482.9089.825049 最新版
v5.136 IOS版
v6.328.1129.512041 安卓免費版
v4.47.6425 PC版
v8.576.3539 安卓最新版
v5.54.1185.398731 PC版
v2.961.4575 最新版
v2.735 最新版
v7.757.1783.694669 最新版
v4.816.9429 IOS版
v4.933.2534.883321 安卓最新版
v8.347.2434.593467 最新版
v5.39.2515.668312 IOS版
v6.720.5474 IOS版
v7.602 IOS版
v2.730 PC版
v8.934.4074.436569 安卓漢化版
v9.991.8199.507657 安卓免費版
v5.352.7721.187726 IOS版
v3.149.4870 安卓最新版
v1.514.9031.220175 安卓漢化版
v6.508.6796 安卓最新版
v9.714 最新版
v9.981 安卓最新版
手机黄片av
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
自拍下一页
AⅤ视频网站
亚欧无码视频在线观看哟
怕怕视频在线免费观看
扒男生内裤看小坤坤
黄片啊啊啊爽
久久精品影视
美女明星直播走光露奶头网站
欧美一区。。。
青空光start-258
美女色色色色色网
黄页网址视频在线观看
黄色网站日人
三级国产免费
少年骇客18+游戏入口
Chinese帅男GayFuCK
福利视频免费观看
明星女友的杰奥抖音风
欧美一区精品中文字幕综合看片
十八岁以下禁止观看的黄色网站