v1.241.756.283919 PC版
v2.162.170.675236 安卓免費版
v4.711 安卓漢化版
v7.107.3330.704795 IOS版
v3.485 安卓漢化版
v7.222.7816.287330 安卓漢化版
v6.550.9247.181611 安卓漢化版
v6.747.9171.752238 安卓版
v8.225.9436.363241 安卓免費版
v9.376.5427.636527 安卓版
v3.406 安卓版
v5.397.983.599331 安卓版
v7.941 安卓版
v2.355.869.339480 PC版
v8.844 安卓最新版
v5.386 安卓免費版
v4.272.1304.768597 安卓最新版
v9.819 安卓免費版
v5.731 安卓最新版
v4.641.3566.119360 PC版
v5.61.5817.223066 安卓漢化版
v8.548.8772 最新版
v6.864.1334.140488 安卓版
v4.553.6909 安卓最新版
v7.531 安卓最新版
v6.652.6580.888785 安卓版
v9.927 安卓漢化版
v2.169 安卓最新版
v1.412.8961.772652 IOS版
v8.179 PC版
v1.576.6083.490696 安卓免費版
v8.935.5991.647181 安卓版
v2.851.6963.291956 最新版
v3.928.415.819282 安卓漢化版
v7.75.8323.167524 PC版
v7.885.6064 PC版
v1.614.5491.650619 安卓版
v6.862 安卓版
v9.84.1075.342552 安卓版
v8.675.5995.636559 IOS版
v6.910 安卓免費版
v3.555.831.64807 安卓免費版
v7.838.9689.154900 安卓最新版
v2.466.9712 最新版
v6.26.5789.424903 PC版
v9.616 IOS版
v3.990 最新版
v8.775.8272.307778 安卓版
v5.887.8750.777073 安卓漢化版
v1.18 安卓最新版
v4.935 安卓版
v4.125.614.887206 安卓漢化版
v3.369.9067.851839 安卓版
v4.737.8523 安卓版
v3.611.4489 安卓最新版
v9.610 安卓版
v5.654.3164.846549 最新版
v7.624.1175.293821 安卓版
v1.850.3417.743719 安卓漢化版
v6.572.885.166633 安卓漢化版
v6.351.8616 IOS版
v7.903 IOS版
v2.170.1120 PC版
v9.831.6624.821391 IOS版
v8.708.4313 安卓最新版
v6.44.5495 最新版
v1.168 安卓免費版
v9.731.7798.653017 安卓最新版
v1.897.686.167612 安卓免費版
v4.355.1091.72941 最新版
v3.314 安卓免費版
v6.318.6254.273012 PC版
v7.395.9224.762644 安卓版
v7.887 安卓漢化版
v1.601.4883.191921 安卓版
v9.568.5985.863502 最新版
v8.650.7039 IOS版
v5.662 最新版
v8.553.4009 IOS版
v3.545.2533.484113 PC版
又湿又爽又黄又刺激的视频
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
亚洲人人干
毛片免费视频网
超碰欧美在线
永久免费在线播放视频
黑人一级婬片A片AAA毛片无码
国产免费看P大全
黄色A片开通网站
99re在线乳视频
久操免费在线观看
免费裸体游戏
人人操人人插人人干人人摸
XXXX69HD老师学生
又粗又硬又黄的毛片A片视频
黄片大全18禁
Npxvip
国内精品免费久久久久电影
久久久久国黄AV
女教师用 夹我的 动漫下载
天天夜夜狠狠干
视频色色色
国产精品亚洲综合第一区
入
汗汗漫画网站