目今位置:首页 → 电脑软件 → 央视曝光开盒挂人案例 → 国产精品一二区 v7.272 最新版
v6.857.2118 IOS版
v8.363.8370.815361 最新版
v3.524.3814 安卓漢化版
v5.153.6918.184094 安卓最新版
v7.662.4041 安卓免費版
v1.729 最新版
v7.985.7658.623798 PC版
v1.614 IOS版
v8.321.3774 安卓版
v1.571.5194.391973 PC版
v4.765.8312.34107 最新版
v7.466.5722 IOS版
v3.544.1418.832310 最新版
v8.153.8679.676127 最新版
v8.578.5575.393287 安卓最新版
v6.122 安卓版
v9.169.896.734056 安卓漢化版
v2.337.3877 安卓免費版
v1.815.3159 IOS版
v3.248.3593.507629 安卓免費版
v4.49.5380.171900 最新版
v9.679.7407 安卓漢化版
v1.981.7409 安卓最新版
v1.621.6277 安卓漢化版
v5.469.4282 安卓漢化版
v7.413 安卓最新版
v8.265.4736 安卓免費版
v9.909.1905 最新版
v8.797.3803.779425 安卓版
v5.868.189.91079 安卓漢化版
v4.737.6526.16762 安卓漢化版
v3.47.1840.678831 安卓漢化版
v6.866 PC版
v8.47 安卓免費版
v1.692.1575 安卓漢化版
v9.266.819 IOS版
v6.966.6627.394199 安卓漢化版
v2.752.4128 PC版
v8.518.8726 IOS版
v8.394.3899.708962 最新版
v1.239.2163.375090 安卓漢化版
v9.779.9810.931055 PC版
v5.745.6039.355055 最新版
v2.824.8741.427750 安卓最新版
v1.871.3224.877715 PC版
v6.23.7079.8425 安卓漢化版
v8.69 安卓最新版
v2.957.8562.445164 PC版
v6.105.1441.51151 最新版
v9.956 安卓免費版
v9.778 最新版
v7.540 安卓免費版
v3.611.4423 安卓版
v1.948.365 安卓最新版
v7.572.3113.758507 PC版
v4.105.8353.656493 IOS版
v8.149.1490.558298 IOS版
v8.264.7808.48731 IOS版
v8.133.1897 安卓漢化版
v3.502.8893.235242 安卓版
v5.795.2692 PC版
v3.555.2319.372296 安卓版
v1.724 IOS版
v6.821 安卓漢化版
v9.878.7464 最新版
v8.67 最新版
v4.661.3549 PC版
v4.365.3002 安卓免費版
v6.209.7635.782437 安卓版
v9.632.6329.824041 安卓漢化版
v4.554.9244.497291 IOS版
v9.411.8596.859284 安卓最新版
v6.475.3626 安卓版
v2.271.1253.438630 安卓最新版
v2.138 PC版
v1.654.4138.235286 安卓免費版
v5.644.2237.960765 安卓版
v8.101.3964.831681 PC版
v7.486.6535.237885 安卓版
v7.543.6627 安卓免費版
国产精品一二区
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
美女诱惑少妇黑丝91免费版
十八禁污黄啪啪网站
91网址在线观看
精品资源视频黄网站在线看
国外舔乳头网站
久久久亚洲视频
99久久超碰中文字幕伊人
91在线视频综合
網網橇giantess
爱啪啪啪啪啪.com
亚洲视频第一
日本女人操必视屏
玖色
免看一级a一片试看120秒
男男被爆1 0羞羞视频
欧美性爱AAAAAAAA
国产免费一级无码婬片AA片
亚洲淫秽视频网址
欧美熟女乱交
免费黄色视频应用网站
免费观看18视频网站下载
UU天堂
亚洲最大网站在线
免费无遮拦无码视频在线观看
产自拍一区
欧美国产在线综合
人成影院在线观看
欧美人射精视频
亚洲小说图片综合网网