目今位置:首页 → 电脑软件 → 作家琼瑶自杀身亡遗书曝光 → 8X在线网站 v5.537.2923 安卓最新版
v7.929.7807.586257 安卓最新版
v9.783.4112.783873 安卓漢化版
v2.938.4094 PC版
v7.184.4124.630093 安卓漢化版
v2.197 PC版
v2.555 IOS版
v4.361.6458 最新版
v9.856.3641.954157 安卓免費版
v5.181.5754 安卓免費版
v7.571 IOS版
v6.653 安卓免費版
v1.604.7554.639514 安卓漢化版
v3.479.2839.192112 安卓最新版
v2.396 最新版
v9.567.7302 安卓漢化版
v2.963.8703.701576 安卓免費版
v9.775.5499.452190 安卓最新版
v3.41.8428.146474 安卓最新版
v7.973.9017.188095 安卓免費版
v3.690 安卓最新版
v6.921.3029 安卓最新版
v7.654.8781 安卓版
v3.391 安卓版
v8.837.1851 PC版
v1.496.2426.615141 IOS版
v3.580 安卓漢化版
v9.794.4314.179524 IOS版
v5.434.9350.436289 PC版
v6.3.3486.743391 PC版
v2.435.207 安卓免費版
v4.801.4875 最新版
v6.598.1961 安卓漢化版
v3.741.5152.34345 IOS版
v5.979.3891 安卓最新版
v5.801 安卓漢化版
v9.814.4837.26277 最新版
v7.939.3700 安卓版
v6.308 安卓漢化版
v4.788.5630.661359 安卓最新版
v1.755.3499.448198 最新版
v1.784 安卓版
v7.518.9035.42670 PC版
v4.87.6463.305818 安卓最新版
v7.672.6509.312544 安卓最新版
v6.487.6242.87353 安卓免費版
v9.501.1580 安卓最新版
v7.80.2510 最新版
v5.879.5457 安卓最新版
v3.601.7058.57155 最新版
v3.387.5336.59436 最新版
v9.613 IOS版
v8.208.1711 IOS版
v9.5.7825.508164 安卓最新版
v5.42.500.324496 安卓最新版
v1.142.3801.928693 PC版
v1.846.7217 安卓最新版
v2.925.5325 安卓漢化版
v7.95.8431.904566 安卓版
v7.120.4128.269263 IOS版
v2.928.5674.989021 安卓版
v7.242.4449.87254 安卓漢化版
v3.860.7758 安卓版
v2.391.6461.945891 安卓版
v8.472.1995 安卓最新版
v5.976.5514 安卓漢化版
v1.315.5879 安卓漢化版
v7.378.6528.656704 安卓漢化版
v6.323.9615.897826 安卓漢化版
v7.530.8395 PC版
v5.222 安卓版
v9.252.8726.677447 PC版
v8.448.5740.680297 安卓漢化版
v9.934.4562 安卓最新版
v7.550.9307.559079 PC版
v6.748 安卓版
v6.973.7683 安卓免費版
v3.338.1237.82326 安卓版
v6.921.5549 安卓免費版
v9.497.7643.910769 安卓漢化版
v1.514.592.82103 安卓漢化版
8X在线网站
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
国产性交一线
大雷美女抖奶乳在线看免费版
新97人人模人人爽人人喊
国产超碰人人爽人人做人人添
大胸女的艳照狗
性xxxxx视频在线播放
一级欧美AA免费
国产乱码亚洲日韩欧美乱码
免费看又色又污的视频网站
3b不知火舞被 到爽喷水
十八以下静止观看的网站
永久免费 d站免费
亚洲日韩三级片
不卡av免费网址
91在线视频无码
在线免费av不卡户外
spermatid破解版
日韩免费一级无码婬片视频
欧美日韩女优在线播放
国产ktv交换配乱婬视频
性XXXXfreeXXXXX欧美丶
一级A片C视频
火影同人视频18 网站