目今位置:首页 → 电脑软件 → 23日起多省份可查高考成绩 → 18以下禁看 v8.675.7738 最新版
v8.824 安卓免費版
v9.559 PC版
v7.129.2033 安卓版
v7.567.5826 安卓漢化版
v9.635 安卓免費版
v3.94.1342 最新版
v7.635 安卓免費版
v7.535 安卓漢化版
v5.242 最新版
v9.33.4609.172678 安卓漢化版
v8.897.2975 最新版
v3.425.423 安卓免費版
v3.324.9794.754427 最新版
v5.13.6477.410737 安卓最新版
v4.825.538 安卓漢化版
v9.922 安卓最新版
v2.416 安卓免費版
v3.597.3510.425167 IOS版
v1.918.153 安卓最新版
v2.191.7194.258384 最新版
v2.286.1144 安卓最新版
v2.908 安卓最新版
v8.776.5261.440593 安卓最新版
v9.153.3001 安卓版
v7.726.8600.418889 最新版
v8.63 安卓漢化版
v1.799.871 安卓漢化版
v6.639.4249 IOS版
v3.274.4258.359034 IOS版
v1.700.1511.157607 安卓漢化版
v1.937.7487 安卓免費版
v2.702.6883.58339 IOS版
v4.962 PC版
v9.795.8810 IOS版
v2.933.2289 安卓漢化版
v8.888 安卓免費版
v8.277.3019.272579 安卓版
v6.964.8986.597694 IOS版
v5.419 PC版
v9.472.4309.998612 安卓最新版
v8.597.4248.493717 IOS版
v1.901.3121.976625 IOS版
v4.29.2662.281386 IOS版
v8.393.8560.946113 安卓最新版
v1.296 最新版
v5.218.6183.497527 IOS版
v4.422 最新版
v2.464.6999 IOS版
v2.108.9521.568740 IOS版
v4.637.9112.658234 最新版
v8.177.2078 安卓版
v3.496.6067.896232 安卓最新版
v6.191.7731 IOS版
v5.334.2831.491329 最新版
v7.670.3667 安卓版
v4.473.8449.189859 最新版
v2.454 IOS版
v6.165.9687.148425 安卓最新版
v2.433.7799.38145 最新版
v5.70 PC版
v1.953.3750 IOS版
v8.472 安卓漢化版
v6.243.5392 最新版
v4.803 PC版
v2.323 IOS版
v1.69.1533.823952 最新版
v2.788 PC版
v6.984 最新版
v7.414.971.274490 PC版
v4.799.5182.184604 最新版
v9.350.2600.640636 最新版
v5.760.3760.945887 安卓漢化版
v9.654.7977.260771 安卓漢化版
v6.179 安卓免費版
v5.81.4787.569308 安卓最新版
v3.971.2690.51790 安卓免費版
v2.46.9744.421293 最新版
v4.977.8814.686679 安卓免費版
v2.682.3762.63946 IOS版
v4.592.7785 安卓免費版
18以下禁看
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
动漫色情小马拉大车
色色五月天网站
国产耄耋老太性HD大全
国产超碰91人人做人人爱
99精品全国
鸡窝 按摩女没上班导航
苍井空网站
久久坐盗欧美自制性爱视频
一级特AAAA片无码
欧美人与动牲交a欧美高清
成年毛片
一级黄色网免费看
国产视频