目今位置:首页 → 电脑软件 → 马斯克将领导美国政府效率部 → 一级二级三级18国产 v1.0.8557.327310 安卓版
v6.26.106.850516 PC版
v5.704 IOS版
v3.678 安卓版
v8.398.9815.346539 最新版
v3.7.157 安卓漢化版
v9.758.8883.478308 PC版
v3.180.157.357516 安卓最新版
v2.49.7120.893367 安卓免費版
v8.380 安卓版
v1.2.845 安卓版
v3.337 安卓最新版
v2.345 安卓漢化版
v5.413.3164 安卓漢化版
v9.543.5125.116198 PC版
v6.827.6570.162188 最新版
v6.747.1812.740755 IOS版
v8.187.4535 最新版
v8.323.8526.928219 PC版
v5.253.4706.224257 安卓最新版
v6.574.5750.916968 安卓漢化版
v8.716 安卓免費版
v7.322.9553.596518 最新版
v5.56.3256 安卓漢化版
v7.702.4318 最新版
v9.862.1076.300081 最新版
v4.575.6895.863052 IOS版
v5.352.5454 安卓版
v3.73.4719 安卓免費版
v8.675 安卓最新版
v9.182 安卓版
v4.870.959.934848 PC版
v9.323.4822.371725 安卓最新版
v7.700.5689.312048 最新版
v9.482.8667.959355 安卓最新版
v5.234.1637 安卓最新版
v4.237.6221 PC版
v8.924.9685.771016 安卓免費版
v3.556 最新版
v6.471.1761.597997 安卓版
v9.659.7987 安卓最新版
v3.844.4040 IOS版
v4.407.777.45372 IOS版
v4.621.4671.671139 安卓版
v7.419 安卓免費版
v1.680.4052 最新版
v7.523.7336.676069 安卓免費版
v9.664.6410.187104 IOS版
v1.412.8151.39598 安卓版
v9.555.6615.901379 最新版
v9.4.4534.57747 安卓免費版
v4.164.677.152479 IOS版
v5.739.4570.386564 安卓免費版
v7.275.4069.511302 安卓漢化版
v9.289.4657 安卓版
v3.778.4064.648504 安卓漢化版
v6.704.1144.2195 安卓漢化版
v4.166 安卓最新版
v5.211.8778.907276 安卓最新版
v7.717 PC版
v6.302 IOS版
v8.551.2413 安卓免費版
v5.802.1579.878715 最新版
v6.464.6391 IOS版
v4.931.3407 安卓最新版
v1.155.5548.92751 最新版
v6.518.3048 IOS版
v6.153.3181.65476 安卓版
v7.210.4924.636701 安卓最新版
v4.637 PC版
v4.650 最新版
v7.509.8017.810347 IOS版
v8.170 安卓漢化版
v5.441.4338 最新版
v1.605 安卓免費版
v7.497.773.963631 PC版
v5.956.7601 安卓免費版
v5.955 安卓版
v9.262 PC版
v6.987.4309.889373 PC版
v1.613.4715 安卓最新版
一级二级三级18国产
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
午夜福利偷拍
51cg网朝阳热心群众
www.中文字幕·com
91国在拍‖国语自产图片
久久精品24
曙光医生告诉您怎么避免手淫早泄
国产精品丝袜无码网站专区
欧美A级一区二区大全
99re8
男女同网站freeviodes
9.1永久精品在线观看
A片动态图
国产视屏三区
国产精品ⅴA在线观看H
日本黄色一级A片
操逼外国网址
欧美性爱区网站
男生的🍌和女生的㊙️在一起
91原神
桥本香菜糖心logo完整版
恶心time十分钟
亚洲欧美日韩在线综合不卡