v7.170.6779.723056 最新版
v3.869.6748.5676 最新版
v3.795.6922 安卓最新版
v2.562 安卓漢化版
v7.366.9898 最新版
v1.153 安卓免費版
v8.730.4733 安卓免費版
v6.128.8971.272636 最新版
v9.869.5676 安卓漢化版
v1.94 安卓免費版
v1.115 安卓免費版
v5.796.2635 安卓版
v9.986.7096.544344 安卓最新版
v8.708.826.778354 安卓最新版
v8.402.7821 PC版
v1.884.7838.506654 安卓最新版
v2.534.365 最新版
v7.114.4296.569791 安卓版
v5.372 安卓漢化版
v9.392.4169 PC版
v4.424.2707 安卓最新版
v1.192.3376 PC版
v1.226 安卓漢化版
v5.608 安卓漢化版
v7.579.1528.533459 PC版
v1.509.5574 PC版
v8.76.4266 最新版
v2.196.9361.282564 安卓最新版
v8.964.2657 PC版
v1.262.6497 PC版
v2.423 安卓免費版
v2.274.8888.702969 安卓漢化版
v2.478.4653.249280 安卓版
v1.568.6441.991042 IOS版
v5.713.1172.104769 最新版
v2.315.1980.394508 安卓免費版
v4.980 PC版
v7.648.1366.931338 PC版
v3.569.5506 PC版
v6.652.4122 安卓版
v7.533 安卓漢化版
v7.805.8471 安卓免費版
v8.765 安卓免費版
v2.539.3539.47640 安卓漢化版
v4.568.9171.169848 安卓免費版
v7.419.6422.217761 PC版
v9.361.6172.107992 安卓免費版
v7.979.3791 安卓漢化版
v4.53.3550.327115 最新版
v7.204 最新版
v3.263.3987.669711 安卓最新版
v2.800.3575 最新版
v9.595.3665.755401 PC版
v4.813 安卓免費版
v3.762.9751.641355 PC版
v8.981.8089.926756 安卓漢化版
v7.20.3960 IOS版
v1.113.4841 最新版
v2.288.3878 IOS版
v8.644.3410.514884 安卓免費版
v8.538.7708.875142 安卓最新版
v6.376 安卓最新版
v7.643.8453.549383 最新版
v7.362.8702.856184 最新版
v6.602.3136 安卓最新版
v2.927.2106.773784 安卓版
v9.403.1318.890101 PC版
v1.749 IOS版
v3.866 安卓版
v3.323 安卓免費版
v1.730.9640.881382 PC版
v6.815.4723.965071 PC版
v3.631.4656.536132 安卓漢化版
v3.583.2768.180994 最新版
v9.88.3319.428856 安卓版
v3.395.6498.284494 安卓最新版
v2.84 IOS版
v7.75.5395.892254 安卓最新版
v8.768.9149 安卓版
v7.694 安卓免費版
妺妺用🐻夹我的🍌视频
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
五月天色色黄色网站
性交AAAAA片在线看
班主任翘起屁股让我干
最真实国产高潮露脸在线观看
你懂的视频在线观看
黄色的网站WWW
性激情大迟度床上视频一区二区
超级碰碰福利视频
湿点日剧
无码无码精品视频一区二区三区
嗯啊腐书
精品精品国产日韩26u
91捷克
特级免费黄色片
纲手巨胸被 爆乳视频
锐锐被c 黄秘 同漫
A片 在线 网址
久久久久高清一级视频
777www欧美黄色视频
爸爸和女儿玩屁股视频大全
天天摸天天爽
好黃好硬好爽的免費視頻
亚洲免费一级视频
美女和帅哥在努力生孩子视频