亚洲欧美综合一区二区三区四区,在这里发现兴趣,分享快乐,记录生活的每个精彩瞬间

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

2026-01-08 13:44:13
泉源:

猫眼影戏

作者:

徐根宝

手机审查

  猫眼影戏记者 蔡文娟 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:青春草官网在线视频

??01月08日,探访全球汽车信息通信测评技术创新基地:“黑科技”满满,

  罗浮大泽、金狼部落、雷族三方人马退到五里外,留下部分人在原地,张开巨弓,射出一道道燃起火焰的箭,攻向石村。

,18禁成人猛撞九幺。

??01月08日,【巴黎奥运会】刘洋谈体操团体赛遗憾:非常愧疚没有为队友分担更多压力,

作为一张信用卡,招商银行信用卡在消耗历程中给人们带来了很大的利便。可是,若是泛起逾期,就给消耗者带来一系列的问题。下面金融啦小编整理下文,先容下招商信用卡逾期几天会上小我私家信用? 一、招商信用卡逾期几天会上小我私家信用 逾期凌驾三会上信用。 信用卡户提供三的脱期,因此招商信用卡还款...

,黄漫老师大雷,性爱黄色网址,欧美一级做一级a做片性视频f。

??时势2:亚洲人的视频在线

??01月08日,促进文明交流互鉴 推动实现世界和平,

  一群人啼笑皆非,感受像是在面临原始人,这个小工具有点憨的可爱,怎么会有这种体现呢?

,美女被操免费黄色网站,正在播放国产水嫩美女叫,jk女同打屁股 网站╳。

??01月08日,国际最新研发提升外骨骼性能模拟学习框架 或助义肢等广泛应用,

  大壮、二猛、虎子、鼻涕娃等都颔首,短暂的惊险,让他们意识到了实力强盛的主要性,通常需要高昂与拼搏。

,免费操操,18森,美女 开屁屁 韩国。

??时势3:摸摸大扔子吃奶视频

??01月08日,广西壮族自治区第十四届人民代表大会第二次会议开幕,

  神山上,那道身影笼罩瑞气,喷薄霞光,他一步迈出,脚下泛起一条金色的大道,直冲也不知道几多万里外而去。

,又大又粗又爽又硬又色视频,白腿阿姨娇喘呻吟双腿大开,忍堕女忍2.0繁星汉化版游戏介绍。

??01月08日,眼睛干干的,是得了干眼症吗?| 呵护眼健康,

  这是一场人世惨剧,一个村子眨眼被兽潮淹没,满村皆殇,没有一小我私家活下来。

,xxxxx视频,交换游戏86话新王登基漫画,亚洲热线99精品视频。

??时势4:理轮在线视频

??01月08日,最高检:南四湖流域生态环境治理的制胜关键是构建上下游贯通一体的治理体系,

  在上古年间,先民有信仰,对祭祀很是考究,以为神明一定保存,要害时刻可以召唤出来,守护他们。

,98免费人妻无码视频,毛片基地视频最新网址,激情小说,图片。

??01月08日,中央环保督察通报:安徽省安庆池州铜陵等地长江岸线保护不力,

  “嗯!”小不点认真颔首。

,无码人妻丰满熟妇bbbb,新疆妇女BBw,美女91一起c。

【祝贺!国羽男队第11次夺得汤姆斯杯冠军】

【“五一”假期成都接待游客1461.3万人次 实现旅游收入115.6亿元】

责编:白素君

审核:闫德英

责编:陈婵娟

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