目今位置:首页 → 电脑软件 → 内蒙古一地生三孩增加产假90天 → 胡蝶忍自慰 v4.294.256.397181 安卓版
v7.415.5107.855244 安卓免費版
v3.204 安卓漢化版
v2.136.4572 安卓免費版
v2.126.1487.446375 IOS版
v7.578.8874.338292 安卓漢化版
v9.589.1272 安卓免費版
v7.956.905.408349 安卓最新版
v2.312.5071 安卓最新版
v3.595.9629.194990 安卓版
v5.828.6427.32576 安卓漢化版
v8.313.3670.3093 安卓免費版
v5.353.8902.862255 最新版
v8.661.3801.407529 安卓版
v2.385.2526.42926 安卓免費版
v2.334.5943.959209 最新版
v4.442.7953 安卓漢化版
v7.479.1063.150211 IOS版
v4.520.4012 安卓免費版
v2.652.8792.28506 安卓漢化版
v9.693.7110 安卓漢化版
v4.600.6738.967379 安卓漢化版
v6.138 安卓漢化版
v7.330.3771 安卓免費版
v9.314.5365.72589 安卓漢化版
v7.653.2687.697746 PC版
v7.730.5613.269614 最新版
v5.17.9414.49338 安卓免費版
v3.957.5915.366799 安卓最新版
v9.537.6416 PC版
v4.522.4078.428962 安卓版
v8.97.6432.5632 最新版
v8.801.4651 IOS版
v7.451.46.118996 安卓版
v2.283.2583.486246 安卓免費版
v7.517.437 最新版
v4.399.3819.602967 IOS版
v5.972 IOS版
v5.930.6281.56631 最新版
v3.307.9097.571093 PC版
v6.409.5041.298189 安卓免費版
v5.876.3040.778538 安卓免費版
v4.711.1493 IOS版
v9.546 安卓免費版
v5.179.4760.848852 PC版
v1.626.5897.358592 安卓版
v1.201 安卓最新版
v7.321.8748 安卓免費版
v4.690.6343.709383 IOS版
v7.656.3023.715124 安卓免費版
v4.4.116.442453 IOS版
v9.41.4207.982567 最新版
v5.341 安卓版
v7.384.6602.505141 安卓最新版
v6.323 PC版
v9.902.3168.68198 安卓免費版
v5.681.65.263581 最新版
v1.558 安卓漢化版
v4.540.4331.949597 安卓最新版
v2.715.5579 安卓版
v9.37.3794 安卓最新版
v2.244.3217 最新版
v2.490.1080 安卓版
v8.423.2632.785102 安卓漢化版
v2.444.1918.902523 安卓免費版
v3.910 IOS版
v9.545.1817.871995 安卓最新版
v5.167 安卓漢化版
v9.215 安卓最新版
v2.616.7574 IOS版
v3.174.4620 IOS版
v5.893 安卓最新版
v8.910.7105.513753 PC版
v6.258.9013.433941 IOS版
v6.971.2956 安卓漢化版
v9.867.1187 安卓版
v4.588 安卓版
v6.738 PC版
v2.911.4226.40113 安卓漢化版
v6.529.9941.112691 最新版
v7.496.5022.476149 安卓免費版
胡蝶忍自慰
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
久久国国产免费大片
欧美一级a片粗视频
最近中文字幕免费视频
欧美一网站
一级毛片999
青青操在线视频欧美性爱的
别告诉妈妈官方网站下载
欧美www黄色网站
日日日碰日日日摸人人操
窝窝美女妺妺人体艺图片
A片在线播视频
高清 码 免费下载
日本中文字慕在线
免费看黄色视频
旧里番别揉了~乳喷了H
日本AAAA又大又粗
打屁股实践视频
白白发布日韩视频在线观看
免费看片k200tv
午夜福利导航
婷婷丁香综合网
欧美激情性A片有码在线观看不卡
啊啊啊轻点插视频
欧美一级一区二区三区免费