v4.674 安卓最新版
v7.863 IOS版
v9.58 安卓漢化版
v7.648.5705.642209 安卓免費版
v4.37.4546.27087 PC版
v2.808.7567.786385 安卓版
v6.895 IOS版
v9.683.2875 安卓漢化版
v7.400.8620.708242 IOS版
v2.34.820.790068 PC版
v5.653.3819.276154 安卓版
v3.598.5484.283889 PC版
v9.240.323.322233 PC版
v3.234.4281 PC版
v1.62.6700 PC版
v7.833.3904.774013 安卓版
v7.57.3721.670689 最新版
v6.105.4237.906862 IOS版
v9.474.6399.28186 安卓版
v9.358.5979.65692 安卓免費版
v5.916 安卓免費版
v1.941.4792.126233 PC版
v8.178 PC版
v3.891 安卓漢化版
v9.620.2126.841665 安卓免費版
v6.467.9427 安卓版
v9.920.181.914307 PC版
v3.424.263.185314 最新版
v3.171.7989.413670 安卓最新版
v4.669.9635 安卓最新版
v5.181.4130.249481 PC版
v7.298.2642.941775 安卓免費版
v7.889.8470.808895 安卓免費版
v8.635.7794.56674 PC版
v3.27.1928 安卓免費版
v7.523.7005.933114 PC版
v4.722 安卓最新版
v8.112.648.715379 PC版
v2.232.638 最新版
v5.280 PC版
v3.727.2383.916899 PC版
v6.672 IOS版
v3.655.8228.138115 PC版
v7.566.7437.221136 安卓版
v4.361.5916.562543 安卓免費版
v4.361.7154.736424 IOS版
v7.891.1825 安卓版
v2.222 最新版
v6.915.7507 PC版
v4.935.2381.615090 最新版
v3.694.3021.589083 最新版
v5.852.3675.906295 IOS版
v7.687.8885 安卓版
v3.31.7529.933169 安卓版
v9.884 安卓最新版
v7.714.2329 IOS版
v3.834 PC版
v4.992 安卓漢化版
v4.913.1779.719378 IOS版
v7.799 最新版
v9.593.4106.896606 PC版
v6.448.5036 安卓最新版
v5.730.8346.113013 PC版
v2.792.2854.980163 安卓最新版
v9.739 安卓漢化版
v6.540 最新版
v3.938.9102.104507 安卓最新版
v7.415.8312 安卓版
v2.607.7903 安卓免費版
v1.627 安卓免費版
v9.215.5772.621670 安卓版
v4.769.417.52251 安卓最新版
v6.382.7927 IOS版
v8.317 最新版
v8.419.5615.765630 安卓漢化版
v5.598.1087.474783 IOS版
v7.715.4801.561151 安卓免費版
v3.697.611.698934 安卓免費版
v4.686 IOS版
v4.307 PC版
动漫日本 喷水视频
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
射交视频免费网站
日本aa网站
日韩免费无码三级片
浪货边打屁股边挨C
欧美一级综合草莓视频
麻豆传媒在线观看
免费A级毛片高清视频…
强插插爽射久久久爽在线
精品亚洲Av无码一区二区三区在线
美女被插逼逼
欧美情侣高清性视频
打扑克爽 又黄 软件
十八岁禁止进入黄色网站
黑人操白妞
宝贝~夹得好紧我进不去了漫画
免费高清性色毛片A片
精品手机亚州一区二区三区
肛交小说
脱脱让我爽一下
黄色搞逼视频国产a级有限公司
被操高潮视频
操逼视频下载
免费一级AAA黄毛片啪啪
张家界新娘吴敏mv免费观看视频
高H喷水荡肉欲文小黄书APP
小舞大雷晃动跳舞