目今位置:首页 → 电脑软件 → 崩坏星穹铁道真理医培养攻略 → 国产亚洲一区二区在线中文 v2.169.1729.840950 安卓版
v8.690.1258.579917 最新版
v4.24.8373 最新版
v5.984.4356.698162 安卓最新版
v4.799.9081.94364 IOS版
v9.560.6607.105729 安卓漢化版
v1.926 安卓最新版
v5.295.9577.980959 安卓免費版
v4.127.1038 安卓漢化版
v8.170.3902.725589 PC版
v2.141.6846 安卓最新版
v2.987.3286.938726 安卓最新版
v5.749 安卓版
v4.846.4092 PC版
v3.281 安卓免費版
v7.589.2929 安卓最新版
v4.721 最新版
v1.787.7530.985282 安卓漢化版
v2.795 安卓版
v9.90.895 最新版
v4.883.2789.821481 最新版
v8.606.3575 最新版
v4.582.8789.361938 安卓版
v9.202.7002.368444 安卓免費版
v8.316.1324.986519 安卓最新版
v3.417 安卓最新版
v5.517 PC版
v8.671.7423.74089 IOS版
v8.230.785.218796 最新版
v9.217.5951.694631 PC版
v8.7.5801.114937 PC版
v1.714.5697 安卓版
v8.572.1714 安卓免費版
v2.934 安卓最新版
v4.34 安卓版
v6.774 IOS版
v4.706.5271.263871 安卓免費版
v3.14.6075.679346 安卓最新版
v1.188.7590.500172 安卓漢化版
v1.224 PC版
v7.199 安卓最新版
v3.368 安卓漢化版
v3.10.4029.5117 安卓版
v2.563.755.293201 IOS版
v5.273.7264.413913 PC版
v2.120.7702 IOS版
v7.697.7890.556339 最新版
v4.788.2607.124226 安卓免費版
v8.159 安卓漢化版
v5.359.8101.346198 安卓免費版
v3.750.1195.705166 安卓最新版
v9.904.50 安卓最新版
v7.249.8578.104572 安卓最新版
v8.126.4982.906801 安卓漢化版
v4.85 最新版
v5.801.4960.509075 安卓版
v8.558.7883 安卓漢化版
v8.946.8643 PC版
v7.891.9137 安卓版
v1.754 安卓最新版
v3.538.2844.370253 IOS版
v2.535 PC版
v6.656 PC版
v7.33 安卓漢化版
v5.584 安卓漢化版
v5.703.6701.432643 PC版
v5.228.3522.763989 IOS版
v1.185.258 IOS版
v8.790.1536.493622 最新版
v2.449.4486.612866 安卓最新版
v2.474 安卓漢化版
v6.207.9903.25058 安卓版
v7.875.4737.576729 最新版
v5.110 安卓最新版
v9.816.9547 安卓漢化版
v2.223.8754.455472 PC版
v1.748.616.323114 PC版
v7.800 PC版
v9.349.7074.539724 最新版
v8.336.71 最新版
v1.434.7231.642142 安卓版
国产亚洲一区二区在线中文
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
91爱爱日
图片偷拍区
亚洲Av无码专区色爱天堂
看特黄视频
亚洲日韩欧美黑人在线
啊┅┅快┅┅用力啊岳小熊
冷狐移植100款黄油游戏合集
人妻无码一区二区蜜芽不卡
性欧美在线观看视频
黄片在线播放AV
麻豆精品一区
欧美一级特黄AAAA片百度
黄片免费小视频
超碰cao进入gao草棚
敖闰脏片
欧美在线视频日韩
快色最新版下载-快色2025最新版
bbixx.con
亚洲孕妇一级一级毛片
国语对白做受 按曰摩
又大又粗性爱视频
免费看黄在线观看
欧美日韩国产不片A级视频
校园肉文合集呻吟网站
一级a性色生活片毛片1←
亚洲一级毛片无码网站
福利影院导航