目今位置:首页 → 电脑软件 → 开封王婆怒怼亳州王婆 → 国产女美国nv射射干干 v5.724.7300.647352 安卓版
v9.507 安卓版
v9.846.890.193221 IOS版
v2.383.603.990069 安卓免費版
v9.457 IOS版
v2.527.6035 安卓版
v8.147.1959.225425 最新版
v7.676.8905.960417 IOS版
v2.373.3599.310911 安卓最新版
v3.57 安卓最新版
v5.880.3420.867139 最新版
v9.255.2789.379029 IOS版
v4.810.6512.532490 安卓最新版
v1.334.8271.402700 最新版
v4.484 安卓版
v1.190.9502.51117 IOS版
v5.728.9643 PC版
v1.621.1849.825864 安卓免費版
v1.19 安卓免費版
v7.448 最新版
v8.922.5119.909402 安卓版
v1.924.1052 IOS版
v1.233 安卓免費版
v1.496.1255 PC版
v1.956.6066.526217 安卓漢化版
v1.22.8431.253218 PC版
v8.525.5140.569177 最新版
v2.596.9678 IOS版
v5.552.7421.291900 IOS版
v9.713 IOS版
v8.817.8269.276342 安卓最新版
v2.250.6245.514013 安卓漢化版
v1.416.8873 安卓版
v3.469 最新版
v5.50.5317 安卓版
v1.36.6269 最新版
v8.433.1541 IOS版
v5.321.5265.622652 安卓最新版
v2.459 PC版
v6.603.3080 安卓漢化版
v9.596.7817 安卓最新版
v8.936.6678 安卓漢化版
v4.871 IOS版
v3.162 安卓漢化版
v9.975.2517 最新版
v2.141.163.42961 安卓最新版
v7.917.6339 安卓免費版
v6.135.7651.760654 最新版
v9.86.6154.705385 IOS版
v9.74.3259.555596 安卓漢化版
v8.976.9014.268519 安卓版
v6.832.9006.809689 PC版
v4.429 IOS版
v6.651.4505.420392 安卓最新版
v7.897 安卓免費版
v6.140 最新版
v6.846.2297.158178 安卓免費版
v4.894 安卓免費版
v5.642.8526.817201 IOS版
v7.687.6918.793636 最新版
v4.234.3501 安卓最新版
v7.263.2925.597123 安卓免費版
v4.508.6447.86524 安卓免費版
v4.806.8700.8686 安卓漢化版
v3.147 最新版
v1.636.4253.655558 安卓最新版
v8.89.5157.478715 IOS版
v4.541.5957.428583 安卓最新版
v7.179 安卓最新版
v4.668.7161 安卓版
v4.709.2189.758272 安卓免費版
v6.652.5014.345906 PC版
v1.30 安卓漢化版
v5.403 PC版
v3.695 安卓漢化版
v7.128.6753.165674 安卓版
v1.50 最新版
v9.808 安卓漢化版
v3.260.6608.582584 IOS版
v1.928.5375.632263 IOS版
v5.804.8589.47802 安卓漢化版
国产女美国nv射射干干
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
狼友 视频首页
黄色网址19
日韩人妻视频日韩精品
黄色网站免费A片
国产口爆真实在线视频
欧美成人午夜无码A片秀色直播
最近中文字幕2018免费版2019
男男污视频
车上好爽 好紧 宝贝视频
黄色网站在线打开
精品少妇人妻av无码专区网址
jk喷水自慰
JLZZJLZZ亚洲女人水
国产av一色
www.国产色
台湾早期色情三级片贪色夫人
关晓彤强奸视频
5k16.㏄
亚州性爱
jizzjizz 16
亚洲AV久久无码秘 原神
美a片
男生撒尿无遮挡秘 免费
操逼欧美一区
亚洲同男男gaygays 18岁无套
呦在线观看欧美一区
AAA国产高清视频
sss黄片
黄色无码a
欧美性情在线播放
亚洲,国产,黄色视频
权恩妃裸乳视频无遮挡
绑起来往屁股眼灌肠用牛奶调教
徐欣被罗峰 爽了
国产精品18自拍