目今位置:首页 → 电脑软件 → 包贝尔想把彭于晏的脸换成自己 → 乱伦蜜史 v1.101.6363.648227 最新版
v1.151.3515.599876 IOS版
v3.601.1467.509915 PC版
v9.301.4090.28882 PC版
v2.674 安卓版
v7.67 最新版
v7.530.3859.969440 安卓最新版
v2.419.5647.919535 最新版
v8.563.8692.361751 安卓漢化版
v1.824.2378.485112 安卓最新版
v2.465.789.729713 安卓版
v1.735.3851 安卓免費版
v5.770.1180.126027 安卓版
v3.74.7418.64817 安卓漢化版
v5.107.631.734035 安卓免費版
v5.737.5286.635428 安卓最新版
v5.836 IOS版
v6.206.3217.386372 安卓最新版
v5.749.1644.896004 最新版
v7.920.1461 安卓漢化版
v2.873.6627.414747 安卓版
v1.407 PC版
v8.236 安卓免費版
v2.502.685.103437 PC版
v2.85 安卓免費版
v3.240.1202.490898 PC版
v4.738.8075 安卓最新版
v1.824 IOS版
v3.376.5514.881612 最新版
v4.236.1476.227009 IOS版
v6.574.3705 PC版
v8.50.7567.488625 PC版
v1.413.4451 安卓漢化版
v2.456 安卓版
v2.361 IOS版
v8.502.8765.72696 安卓版
v4.516.3144 安卓最新版
v5.243.8802.610710 安卓漢化版
v6.374.3188.819891 安卓版
v2.291.1960 PC版
v3.190 安卓版
v1.693.7217 IOS版
v7.645.5644 安卓免費版
v2.150 安卓漢化版
v3.470.6032 最新版
v4.991 IOS版
v2.487 最新版
v6.875.6463.750160 安卓免費版
v5.284.8555.81152 安卓免費版
v9.44.4469 最新版
v4.111 最新版
v5.321 安卓版
v4.282.8886 安卓免費版
v7.331.2088 PC版
v1.276.4854.844734 安卓版
v3.506.9998.596791 安卓免費版
v9.498 安卓漢化版
v5.111.5947.332725 IOS版
v4.676.860.24183 安卓版
v2.371.2170 安卓版
v1.987.8213 最新版
v2.518.6563.717291 PC版
v7.27.9356 IOS版
v8.15.772.60087 PC版
v9.848.3139.260318 安卓最新版
v5.717.6362 安卓最新版
v4.228.7570.573204 安卓漢化版
v6.748.2952 IOS版
v4.24.3031 PC版
v4.608.8737.402111 IOS版
v4.143.5412.947446 安卓最新版
v4.333.9808.908638 IOS版
v9.104.5803 IOS版
v4.755.2310.401596 IOS版
v6.502.54 IOS版
v8.753 安卓免費版
v3.93.9394.883766 安卓漢化版
v3.632.4156 安卓免費版
v9.274 安卓最新版
v6.784.4029 安卓版
v9.994.2089.141661 IOS版
乱伦蜜史
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
羞羞 在线
亚洲乱伦A片
亚洲禁18视频在线观看
人人操人人操怕怕
人人入人人
日本在线不卡在线视频
高清无码黄色永久网站
17.c.cow起草
张家界吴敏小白龙原视频
欧亚黄色网站
女女A片在线网址
羞羞的视频网页
亚洲无码视频爱爱
先锋资源在线视频
熟妇网站
性xxxxb
DF6ORGpassion
国产青青青
女同被c 黄秘 B站
免a欧美
日韩欧美高清
黄色视频在线看你懂得
手机看片1024欧美金沙人妻
美女被男人扒开光屁股狂打