v8.841.6874 PC版
v1.285.7426.151529 IOS版
v9.739.6774 IOS版
v6.64.9281.585979 安卓免費版
v3.387.2032.940801 安卓免費版
v8.741 安卓版
v6.391 安卓最新版
v1.275.3506.721714 安卓免費版
v7.524.590.482714 安卓免費版
v6.121.9265.396795 PC版
v4.414 IOS版
v3.495.6007.812141 安卓最新版
v5.592.4040.136970 安卓最新版
v1.649.8815.904151 安卓版
v3.57.9016 安卓版
v2.105.5974.221045 IOS版
v6.684 安卓漢化版
v8.299.4824.200357 安卓版
v8.448.9668.776807 安卓免費版
v3.254.2317 安卓漢化版
v7.748.2718.288091 安卓版
v3.411 安卓免費版
v3.530 IOS版
v4.765.1311 安卓免費版
v7.217 安卓最新版
v9.479 最新版
v6.31.8208.712736 安卓版
v9.536.590.861100 安卓最新版
v3.880.3609 安卓免費版
v4.4.4079.185863 IOS版
v3.74 安卓版
v6.887 安卓最新版
v7.190.2652 安卓漢化版
v6.727.228 安卓免費版
v5.189.7639.297211 最新版
v7.890 安卓最新版
v9.133.2777.744101 安卓最新版
v2.299.5913.151075 安卓免費版
v9.579.9928 安卓漢化版
v4.672.7041.750821 安卓免費版
v4.701.2591.12917 安卓漢化版
v8.286.7903 最新版
v9.367.9727.610399 安卓漢化版
v7.446.6524.392091 安卓漢化版
v8.677.5634.323946 PC版
v8.327.761.764116 最新版
v4.209.6715.521150 最新版
v3.801.8042.334408 安卓最新版
v2.523.3991 PC版
v8.69.7196.972771 IOS版
v6.910 IOS版
v6.356.4451 安卓免費版
v3.239.3927 安卓漢化版
v7.2 安卓版
v4.468 安卓漢化版
v8.781 安卓版
v4.568.4863 安卓漢化版
v7.745.7736 PC版
v9.33.8335 安卓免費版
v7.665.3097.968451 安卓漢化版
v9.708.1796 最新版
v2.833.3343.411992 安卓免費版
v2.476.253 安卓免費版
v3.304.4618.529187 安卓版
v6.64.566 PC版
v4.573.7089.537254 安卓最新版
v3.505.4102.262627 安卓漢化版
v1.755.6593.628400 安卓漢化版
v5.582.388 安卓版
v4.679.9670.599994 最新版
v8.889.1959.848578 安卓漢化版
v7.4.2272.278091 安卓漢化版
v4.878.2588 IOS版
v4.77.8173.837585 安卓最新版
v1.573.1092.816426 安卓免費版
v2.864 安卓版
v4.19.2343.671934 安卓漢化版
v1.835.7477 IOS版
v5.365.9058 安卓漢化版
v3.738.5561.368605 安卓免費版
一区一区产品
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
八重神子插到腿软流水视频
淫荡猫
A级免费大黄片视频
亚洲一级免费毛片
冷白皮美女被c视频免费观看
得吃·top官网登录入口
晚上偷偷看
钢钢钢钢钢钢好大好污
在线免费观看黄片老师
欧美黄色网站透女人
国产情景剧沙发午睡
一级特黄无码不卡毛片免费看
十八禁看爆乳
五月天桃花网
国产女主播视频
《艳鉧》动漫无码6集在线播放。
海姆斯利外网原版gif
另类稀缺呦系列
日韩 人妻另类
sm调教网站啪啪啪
欧美日夲一级黄色视频播放
操逼视频在线播放
国产精品点击进入在线影院高清
www.sm42.vlp
亚州欧美乱综合图片