目今位置:首页 → 电脑软件 → 越南女子裸体大闹菲律宾机场 → 欧美大片午夜激一区 v6.776.5945 安卓漢化版
v5.347.5780 安卓最新版
v5.494.1684.631247 安卓免費版
v8.74 PC版
v7.883.6907 最新版
v1.685.5966.480744 安卓免費版
v9.154.1217.814243 IOS版
v5.810.4999 安卓最新版
v7.34.9168.308388 安卓最新版
v6.252.8986 最新版
v1.462 安卓版
v9.66.4365.302434 最新版
v6.756.5567.429349 安卓漢化版
v1.105 安卓最新版
v6.290.5769 安卓免費版
v2.602 安卓漢化版
v4.183.5721.614081 最新版
v1.214.1901.434871 安卓漢化版
v5.334.4418.721987 安卓版
v3.362 最新版
v7.974.9154.380432 安卓免費版
v1.523.68.836159 安卓漢化版
v1.255 IOS版
v2.418.4454.926069 安卓版
v1.7.6133.821077 PC版
v2.902 PC版
v5.22.9333.951253 安卓版
v1.377 安卓免費版
v5.154.8660.929588 IOS版
v2.76.1110 安卓最新版
v6.474.5652.153736 最新版
v9.807.3319.633948 安卓免費版
v6.375.11.963904 IOS版
v5.534.3899.497396 最新版
v9.981.9926.450227 最新版
v4.105 安卓免費版
v3.257.7510.726188 安卓版
v5.316.8913 安卓最新版
v7.340 最新版
v2.92.4889.546465 安卓最新版
v4.488 安卓免費版
v5.469.818 IOS版
v8.56.8295.705043 PC版
v9.803.4638 安卓漢化版
v9.298 IOS版
v9.29.5017 最新版
v1.885.9728.884945 安卓版
v3.419 PC版
v6.447 IOS版
v9.627.5273.19612 安卓漢化版
v7.369.1713 安卓漢化版
v9.444.9945.725533 安卓版
v5.907.6253.83390 PC版
v5.840.4460.8014 安卓免費版
v9.406.2216 安卓漢化版
v1.777.6192.786586 IOS版
v6.238.2767.514669 最新版
v4.708 安卓版
v9.603.1938 安卓免費版
v3.854.5673 IOS版
v6.683 最新版
v9.389.9545.431660 安卓最新版
v6.881.466 PC版
v1.828.7509.827922 安卓版
v6.190.2320.548525 PC版
v6.449.2321.77245 安卓免費版
v4.904.3490.199832 IOS版
v3.836.3421.819431 安卓免費版
v6.235.7354 IOS版
v2.563.4167.561973 最新版
v6.550.6060 IOS版
v8.279.8892.936426 IOS版
v1.405.425 安卓漢化版
v1.427.5957.784299 PC版
v9.964.6280 最新版
v6.297.429.373926 安卓免費版
v5.709.2047.315775 安卓版
v8.572.4186 安卓版
v8.912 安卓版
v1.528 最新版
v1.146.6570 安卓免費版
欧美大片午夜激一区
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
亚洲国产精品久久无码中文字
羞羞网站入口
男女性行为视频免费网站
精品国产笫一福利网站
一级做a爰片性色活免费
最新欧美三级a视频在线播放
精精国产XXXX野外视频在线
亚洲天堂影视黄色特级片网
真实破血视频验货
射网站
国产真实灌醉下药美女AV福利
夜夜强奸乱轮视频
黃色A片三級三級三級免费看电影
国产高清在线看
亚洲国产AⅤ精品一区二区久久
色色色亚洲
国产成 人片 免费 在 线
久久黄色网站免费
国产黄片在线视频