v4.388.9175 IOS版
v2.152.2993.430525 最新版
v3.376.1653 IOS版
v2.531.1851 最新版
v3.801.3803.563196 最新版
v8.534.1181.856775 安卓免費版
v1.11.6832 安卓最新版
v7.210.4619 安卓最新版
v8.221 安卓免費版
v3.964.6285.169029 PC版
v3.5 安卓免費版
v8.864.4855.673551 安卓版
v6.759.8328 安卓版
v4.271.4180.408907 安卓版
v8.967.9859.448089 最新版
v5.634.1953 安卓最新版
v2.705.7734.126095 安卓漢化版
v5.778 最新版
v9.669.1354.73321 最新版
v8.452 安卓最新版
v5.221.33.342119 安卓漢化版
v6.650.2451.57459 安卓版
v3.121.6713 安卓漢化版
v3.487.851 IOS版
v9.225.7991.720726 最新版
v5.530.5982 安卓漢化版
v8.826 最新版
v4.288.6579 安卓免費版
v3.184.6080 最新版
v1.610.1321.441135 安卓最新版
v1.458.3332 安卓免費版
v8.523.9019.615848 安卓版
v3.79 安卓最新版
v9.589.2566 安卓版
v2.722.1295.956421 安卓免費版
v3.508.931.164872 IOS版
v8.326.8719.391898 IOS版
v8.999.3673.194770 最新版
v1.747.5375.701276 安卓漢化版
v2.523.3331.21001 安卓漢化版
v5.965.877 IOS版
v5.552 安卓免費版
v1.330 安卓版
v6.966.4815.338140 安卓漢化版
v6.157.430.715860 安卓最新版
v3.778.4674.408330 IOS版
v7.19 最新版
v1.758.4958 安卓漢化版
v8.553.4259.106504 安卓免費版
v1.20.7649.439695 安卓最新版
v7.266 安卓漢化版
v1.660 PC版
v6.524.2611.270213 安卓最新版
v4.513.5178 IOS版
v1.789 安卓最新版
v8.386.6063 安卓漢化版
v7.19.5808.478926 PC版
v9.485.1089.285013 安卓最新版
v9.767 IOS版
v8.753.527.720851 IOS版
v9.653.9208.237072 安卓最新版
v6.730.5288.455528 安卓版
v9.582.2350 安卓漢化版
v8.544.2477.539348 安卓漢化版
v4.634.6646.53135 安卓免費版
v9.875.5459.645241 安卓免費版
v4.788.408.378303 IOS版
v9.462.618.248141 PC版
v1.600 最新版
v1.924 安卓免費版
v7.277.3722 安卓免費版
v4.556 安卓漢化版
v1.755.5509.765682 最新版
v6.346 IOS版
v5.509 安卓漢化版
v5.378.6035.133344 安卓最新版
v5.455 最新版
v5.397.356 最新版
v9.245.1050.210432 安卓最新版
v5.9.5263.741612 PC版
91人妻论区论坛
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
色色色色色色资源站
淫神传承
yw网
女人自述23厘米进去爽快
国产igao视频网在线观看
欧美性爱蜜腚
欧美Vs欧美大片在线观看
国产免费Av片在线观看www
人人艹人人舔人人干
亚洲综合日韩在线亚洲欧美专区
宣宣电影xuanxuan429
日本 奶头 护士
激情乱伦图片小说
阿v一区二区三区四区免费
淑女隐忍憋尿by白夜飞行
中文字幕精品无码综合网导航
爱青岛黄色网站推荐
日韩A级,欧美特级
成年看的视频网站
女同久久另类99精品国产
一级欧美D
秋霞视频偷拍
久久精品免费视频9
hlw520tv葫芦娃官网最新