v5.400.4040.111917 安卓免費版
v4.996.7586.984806 安卓免費版
v4.673 PC版
v7.970.1320.177160 安卓最新版
v1.20.4.900089 PC版
v9.836.4465 最新版
v1.821 安卓最新版
v6.696.3939.530555 最新版
v5.966 IOS版
v6.591.1567.604230 IOS版
v7.79 安卓版
v8.152.8267.617612 安卓免費版
v6.166.3639 最新版
v2.951.7035 PC版
v1.788.5581.136917 PC版
v1.559 安卓最新版
v9.101.6681.263189 IOS版
v2.674.44.336097 PC版
v4.245.9080 IOS版
v3.908.8330.84433 IOS版
v3.41.8462.459698 安卓版
v5.542.4942.783901 安卓最新版
v2.568 最新版
v4.328 PC版
v7.904.5870.647731 安卓漢化版
v4.755.1895 IOS版
v5.325 安卓漢化版
v5.739.457 安卓漢化版
v3.697 安卓免費版
v5.496.1559.849895 最新版
v3.887 IOS版
v5.813 安卓漢化版
v5.41.3462.775544 安卓免費版
v1.211.522.383092 安卓最新版
v2.665.968 PC版
v8.669.5550 安卓漢化版
v3.795.5002 安卓最新版
v3.483 安卓免費版
v2.554.9461.599954 IOS版
v6.872.6674.757484 安卓漢化版
v8.411.5407.599731 IOS版
v2.431.6514.994485 IOS版
v7.874.3105 安卓最新版
v7.878.7457 PC版
v5.239.596.838425 安卓最新版
v1.164.9204 安卓最新版
v5.237 最新版
v3.363.9255.339429 IOS版
v6.381.1810.814774 安卓最新版
v5.706.2824.6046 最新版
v8.515.5047.212987 最新版
v1.844.7443.679545 安卓漢化版
v6.697.680.225098 最新版
v9.21.504.47933 安卓免費版
v8.843.8838.927387 安卓版
v4.937.7673.508472 安卓免費版
v9.482.1658 最新版
v3.226.8477 IOS版
v6.781 安卓免費版
v5.283.9480 安卓版
v7.757.5999.907719 安卓版
v4.235.7854 最新版
v3.715 安卓版
v4.848.5657.153111 安卓版
v2.581.3118 PC版
v4.262 PC版
v7.517.9748.410899 安卓版
v7.903.8050 IOS版
v5.889.3204.42911 最新版
v8.84.9540.620485 PC版
v5.528.9387.134354 最新版
v5.4.8936 安卓免費版
v7.749.8747.229322 IOS版
v3.226.6494 IOS版
v7.753.847.358792 安卓漢化版
v5.131.1705 安卓漢化版
v1.869.2820.107653 安卓免費版
v7.572 安卓最新版
v4.797 IOS版
v1.554.9460.155933 安卓漢化版
草久网址
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
欧美成人毛片在线网
A片无遮挡无码免费视频网站
Eipril福瑞动画资源
动漫美女无遮挡
普通话黄色视频
美女分腿
欧美亚洲顶级免费二级片
欧美日韩精品久久网曝门
亚洲最新在线视频
wjbaifu.com
免费高清A级毛片在线播放
国产做受69�7�4�7�4�7�4高潮A片
深夜福利影院
国产美女性爱自拍视频
成品α片
超碰在线99自拍
99视频有精品22
凹凸视频亚洲
丝袜脚交在线观看无码
丝袜脚熟女
午夜A级理论片在线播放2021
性爱a一级
男童性欲hdxxx
欧美亚洲韩国视频一区