v2.998.72.265661 IOS版
v9.362 安卓免費版
v5.999.9172.933774 IOS版
v2.732.1396 最新版
v7.303.9632.40852 IOS版
v4.488.3039.421928 IOS版
v3.849.4565.948635 安卓版
v1.852.283 安卓免費版
v5.625 IOS版
v5.51 安卓版
v7.140 安卓最新版
v1.167 安卓漢化版
v6.882.2087.999144 PC版
v8.973.9399 安卓版
v6.795.4603.921881 IOS版
v2.330.720.225149 最新版
v6.495.1137.11849 安卓最新版
v1.980.7816.199961 最新版
v3.4 安卓最新版
v4.148 安卓最新版
v9.784.9570 PC版
v8.392.4455 最新版
v8.703.904 IOS版
v8.33 最新版
v4.949.2053 PC版
v3.672 安卓漢化版
v7.524.3256 安卓免費版
v9.774 安卓版
v8.41 安卓漢化版
v2.658.607 安卓漢化版
v5.40.2597.781631 安卓免費版
v7.574.7903 安卓免費版
v5.364.1945 最新版
v7.379 PC版
v3.18.5975.679496 最新版
v7.154 PC版
v1.446 安卓版
v4.890 IOS版
v1.250.7222 安卓版
v4.408.6445 最新版
v4.113.7803.705906 安卓免費版
v5.366.374.888632 PC版
v6.863 最新版
v3.305.3719 安卓免費版
v6.626.886.87544 安卓最新版
v5.73 安卓漢化版
v4.393.997.864964 安卓免費版
v7.411.7303.560669 IOS版
v6.318.3367.789649 安卓最新版
v2.780 IOS版
v4.906.4985.84458 PC版
v4.999.9999.904025 安卓最新版
v1.864.8485.52545 IOS版
v2.586.3258.956388 PC版
v1.317.2204 PC版
v2.429.5319.336227 安卓最新版
v9.4.8788.160625 安卓漢化版
v6.461 安卓版
v1.404.753.535541 IOS版
v1.17.5246 安卓版
v2.765.5493.360687 安卓最新版
v8.801.1791 安卓漢化版
v8.113.313 最新版
v1.564.1941 最新版
v6.688.283 安卓漢化版
v1.996 最新版
v1.442 IOS版
v1.338.2849 IOS版
v3.155.9414.855375 安卓版
v7.510.453 PC版
v6.520.4490.254927 PC版
v5.299.1217.179332 PC版
v7.754.7257.364725 最新版
v4.487.4908 PC版
v9.554.821.579496 IOS版
v9.643.9164.692391 安卓免費版
v5.207 PC版
v5.384.7792.22179 PC版
v7.879.3419.950094 安卓版
v9.710.9244.569139 IOS版
欧美视频一区二区亖区
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
AA在线A片
男男互口
女被❌c🐻黄扒衣服视频
加勒比黑人无码一区
91av操.com
www操
在线精品无码AV一级字幕
久久99国产综合精品无码
欧美性爱第6页
一级欧美14一18处
www.69pao.com
www.色哟哟在线免费视频
黄片大全18禁
手机看片1024在线观看
国产精品久久久久精品小草下载
站长统计幸福宝2022年排行榜
国产免费AV片.在线观看不卡.一
porinHD772馃憴
欧美AAAAA级特黄片
噜噜啪
国产亚洲视频在线播放日
2021最新精品每日自拍
婷婷激情五月天综合网