v3.819.7775.356459 安卓版
v4.49 安卓免費版
v6.972 IOS版
v6.940.3588.159304 PC版
v8.617.7129 安卓免費版
v1.363.3884.955139 PC版
v4.954.1344.40851 安卓免費版
v4.595.3043.530749 最新版
v1.609.7339.415798 安卓最新版
v8.674 安卓版
v4.627.1048.170964 安卓最新版
v7.270 安卓漢化版
v2.643.4866.278299 安卓免費版
v6.969 安卓最新版
v4.732.3118 IOS版
v1.534.466.901499 最新版
v3.319.2686.595755 安卓免費版
v6.290.8657.481542 安卓版
v2.301.9076.514779 PC版
v5.124.8895 IOS版
v3.583 最新版
v5.398.358 安卓最新版
v7.998 安卓漢化版
v2.628.5051 安卓漢化版
v8.441.9906 安卓最新版
v5.75 安卓免費版
v5.261.4036.850317 安卓免費版
v6.674.8918.623778 PC版
v3.298.3700.195923 安卓最新版
v8.109.2458.119233 安卓最新版
v5.633.5022 IOS版
v9.698.1201.398080 安卓版
v5.716.3339.686571 PC版
v5.735 最新版
v9.40.4800.365673 IOS版
v8.429.2807 安卓免費版
v4.613.7926.157993 安卓免費版
v6.336.3370.826572 PC版
v3.914.5790 最新版
v4.904 IOS版
v9.573.421 IOS版
v7.150 最新版
v5.368 安卓免費版
v4.126.7322.642492 安卓免費版
v7.169 安卓漢化版
v7.645 PC版
v8.737 最新版
v2.609.4146.594186 最新版
v3.913.660.133372 IOS版
v9.162 安卓版
v2.198.4336 安卓漢化版
v4.946 最新版
v6.694.2020.94071 PC版
v5.785.5840.900354 IOS版
v8.866.1608.906370 最新版
v7.127.3077.755651 最新版
v3.587 IOS版
v9.752.1320.248887 安卓最新版
v7.105 PC版
v6.855.4825.833144 安卓版
v7.83.3745.351721 PC版
v6.60 安卓免費版
v4.168.3538 安卓免費版
v8.175 安卓免費版
v7.965.1677.294461 安卓最新版
v5.974 IOS版
v2.465 安卓免費版
v6.917 最新版
v5.334 PC版
v7.152 最新版
v9.734.3805.116506 安卓最新版
v2.196.1372.86094 最新版
v6.391.5621.656154 安卓漢化版
v3.932.4503 安卓最新版
v9.505.3300.605176 最新版
v5.166.4271 安卓漢化版
v8.585.9287.941308 IOS版
v8.970.7707.910394 安卓最新版
v7.705 安卓免費版
v8.164.4667.614095 安卓漢化版
群P 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
guochan av
欧美福利x
把表妺的腿扛起来c她漫画
大雷宝藏库
日韩精品欧美在线视频在线
勒勒勒
欧美中文字幕在线视频
巨乳 拔萝卜 自慰男男
麻豆涩漫 18禁动漫下载
玖玖玖爱视频在线更新
免费一级a一片片久久精品网
a级大片a级黄色网站看的黄色
小 伸进 无码
黄色精品二区
精品人妻无码一区二区三区四川人
99永久视频在线观看免费
屁屁影院网站
欧美性爱xx网站
在线XX视频
欧洲美国中日韩久久不射区
搞爱网
成 人 免费 黄 网站