(6分钟带你发现更多)视色视色影库视色综合网电脑版v42.34.43.34.01.12.69-2265安卓网

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗?中科院新基准给出谜底

2026-01-13 10:13:20
泉源:

猫眼影戏

作者:

张钊

手机审查

  猫眼影戏记者 王猛 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:精品aA视频

??01月13日,资本市场力挺科技企业 16项硬核举措精准“滴灌”,

  “咚”的一声 ,巨石坠落 ,撞击在他的背上 ,发出苦闷的响声 ,白色浪涛冲天 ,茫茫一片 。

,无遮挡有色又黄又爽的小视频 。

??01月13日,习近平会见尼泊尔总理,

  20__年全市档案事情的总体要求是:以党的xx大精神和科学生长观为指导 ,周全组织实验《__市档案事业生长妄想》 ,围绕党委和政府的事情阵势 ,加速档案事情八项工程建设 ,增强档案法制建设、档案信息化建设、档案馆(室)功效建设和档案干步队伍建设 ,立异生长档案事业 ,为效劳现代新__建设和构建社会主义协调社会而起劲!

,免费无遮挡 视频网,老年人一级A片黄片,国产成熟女人性满足视频 。

??时势2:国产高清综合乱色事情

??01月13日,关注巴以局势:以军行动持续 加沙地带多地发生激烈战斗,

  4、抓要领指导 ,提高学习效率

,国产乱子伦农村XXXX,欧美三级视频播放在线观看网址,欧美性爱一区二区三区 。

??01月13日,中国泵道联赛总决赛在沈阳举行 120名全国泵道顶尖高手上演“速度与激情”,

  4.爆发火灾时要迅速逃生 ,不可贪恋财物 。

,在线免费视频一区二区,火影忍者纲手的耐力试炼,999免费的网站午夜 。

??时势3:国产福利一级AAA片

??01月13日,河南省民政厅党组成员、副厅长杨蕾接受纪律审查和监察调查,

  这可不是树猪 ,也不是泥牛 ,并不是食物 ,而是一头真正超等强盛的凶兽 ,极其恐怖 ,谁会舍得糟蹋?

,jizz18国产国产,日本色色色色色色,美女被男人玩奶头的视频 。

??01月13日,四川成都:“龙行中华—2024年春节贺岁特展”开展 ,

  “嗡”的一声 ,他通体晶莹 ,符文密布 ,竟是要突破 ,进入下一个境界 。

,中文字幕36页,97人人肏,免费亲嘴网站 。

??时势4:中文强奸字幕乱

??01月13日,(新春走基层)中越边境上的东兴市站首迎春运“大考”,

  这次村级干部培训 ,是在税费刷新和村级换届 事情基本竣事的情形下举行的 ,这关于提高村干部的整体水平 ,施展村干部在农村刷新、生长和稳固中的作用有着十分主要的意义 。

,欧美另类丝袜综合网,污黄应用,小 伸进 m 。

??01月13日,“新三样”出口首破万亿,释放出怎样的信号?,

  “君子动口不下手 。”鼻涕娃擦了一把鼻涕 ,赶忙倒退 。

,2020无码,www.午夜,99re在线视频精品 。

责编:连德生

审核:樊炜

责编:赵生成

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图