v7.228.1236.764614 PC版
v2.537 安卓版
v3.534.6626.728552 安卓版
v9.876.4533.907433 安卓版
v8.589 PC版
v9.905.6008 IOS版
v1.169.1394 IOS版
v6.948.4177 PC版
v8.654 安卓漢化版
v8.142 最新版
v3.521.3013 安卓版
v1.793.8275 安卓版
v9.47 安卓漢化版
v4.518.5807 安卓免費版
v8.291.3997.757403 安卓版
v4.509.2455.819410 安卓最新版
v8.599.4017.783717 PC版
v4.555.4622.366335 安卓最新版
v6.928.1658.148249 最新版
v4.758.5378.431670 安卓免費版
v6.263.4410.648135 最新版
v8.292.3044.593359 安卓最新版
v9.62.7812 安卓版
v6.886 IOS版
v1.463.2666.616934 安卓版
v1.601.2899.992649 安卓版
v5.186.3395.46370 安卓最新版
v2.91.622 安卓最新版
v1.293.4933 安卓版
v7.258.4921 IOS版
v9.724.7333 安卓免費版
v9.580 安卓版
v6.161.8770.541457 安卓最新版
v8.156.8755.615605 安卓免費版
v1.629.5010.828973 安卓漢化版
v9.224.4491 安卓最新版
v7.468.6874 安卓免費版
v6.435.7066.296588 安卓免費版
v8.753.9268 安卓版
v3.345.8916.84109 安卓漢化版
v4.933 安卓最新版
v9.177.2852 安卓漢化版
v4.166.5151 安卓版
v8.190.6793.747941 IOS版
v3.358.6188.918171 最新版
v5.414.742.768703 最新版
v7.952.9414.856939 安卓免費版
v8.480.2954 安卓版
v4.995.8998 PC版
v6.959.5897.28728 安卓最新版
v4.215.6469.671896 安卓免費版
v3.21.3016 安卓版
v7.615.8565.638948 安卓漢化版
v7.375.5699.883323 PC版
v1.678.5243.941032 安卓漢化版
v4.264.6134 安卓版
v9.417.9926.202368 安卓版
v1.398 安卓免費版
v3.397 安卓漢化版
v8.22 安卓漢化版
v8.581.8304 安卓免費版
v4.310.2119 安卓免費版
v4.746 最新版
v4.319 PC版
v2.715.9047.920029 IOS版
v8.349.3996.848124 PC版
v6.764 安卓免費版
v5.709.9101 安卓版
v9.372.9683 最新版
v4.407.8140.191329 IOS版
v3.277.4845 IOS版
v8.61.578.415324 最新版
v9.285.2500.3314 安卓免費版
v9.332.1787 最新版
v6.196.7899 安卓最新版
v8.24 IOS版
v7.761.1099.14091 PC版
v9.695.6069 PC版
v1.987.5171.904394 安卓最新版
v6.467.2884.699984 IOS版
扒开两腿中间缝流白浆在线看
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
日韩在线电影网中文字幕
日本高清色诱视频免费下载
我要看一级毛片A片免费网站
淫萝学园
搞黄刺激网站
一级a一片久久无码免费
亚洲精品图片
杨幂爽 好紧 别夹 喷水
A黄色视频在线观看免费网站
污污视频啊啊快操我高潮了鸡巴好硬
干国产av
欧美精品性少妇videos69
黄漫十八禁
免费白嫩奶头视频网站
国产人成网站
国产日本亚洲
丰裕纵满的护士
美女视频黄的免费看
av小草在线观看
www.anqula.com
午夜影院操一操美女自慰喷水高潮潮吹
日本香港三级三级久久妇
A片免费的视频在线播放
亚洲午夜精品高潮影院
国产做爱❌高潮日记
妈妈的职业,未满十八岁禁止69堂-黄色.com
久久久999久久久久九
国内精品在线看视频在线
中国日本最大黄色网站