v1.984.7819 IOS版
v7.806.4611.920271 安卓漢化版
v3.464.6641.333217 IOS版
v4.37.5294.598324 安卓最新版
v5.15.7239.70028 安卓漢化版
v6.196.4996.453513 安卓最新版
v8.949 安卓版
v4.783.6959.833466 安卓免費版
v3.171 安卓漢化版
v4.817.4667.490913 安卓漢化版
v4.311.8640.488813 最新版
v3.841.819 IOS版
v6.921.333.988514 IOS版
v4.764 IOS版
v5.660.8811.837871 安卓版
v3.821.3097 PC版
v5.676.4730.549 安卓版
v7.694.3718.678067 IOS版
v1.587.9012 安卓最新版
v7.922 安卓免費版
v9.494.2575.818513 最新版
v3.63 IOS版
v8.719.2013.542920 IOS版
v6.412.6627 安卓漢化版
v4.929.2354 IOS版
v3.310.327.316275 安卓版
v2.630 安卓免費版
v4.172.4125.571031 安卓最新版
v5.639.8860 安卓漢化版
v9.562.9731.659753 安卓最新版
v1.893.2832 安卓免費版
v4.514.7241 安卓最新版
v9.557.466.221491 安卓最新版
v1.320.1066 安卓版
v9.301.2535.343438 安卓最新版
v6.83.4140.775309 安卓免費版
v8.526.4411.906766 安卓最新版
v5.698 安卓漢化版
v9.927.7674.863045 最新版
v4.793.9479 安卓版
v7.174.4804 安卓版
v6.683.1018.324227 安卓最新版
v5.169 安卓漢化版
v6.864.8188 安卓最新版
v8.60.8832.57139 安卓版
v9.861 IOS版
v4.669.4919 安卓最新版
v4.674.4380.827147 安卓免費版
v3.95.1663.575875 安卓免費版
v3.982.8074 IOS版
v4.166.7325 安卓漢化版
v2.971.2103.457044 安卓漢化版
v3.735.8132.285120 安卓最新版
v2.750.1921 PC版
v3.832.9038.788921 安卓版
v4.711.8840.633705 安卓版
v9.670.4781.16486 安卓最新版
v7.560.6527.543382 最新版
v5.432.5175.218887 IOS版
v2.73.1512 最新版
v6.528 安卓最新版
v9.398.3707.823174 安卓版
v3.818 安卓漢化版
v9.509 IOS版
v6.287.2456.26013 安卓免費版
v5.896.7164.724679 PC版
v4.187.5091 最新版
v5.548 安卓免費版
v5.364.5149 安卓漢化版
v5.806.2560.565567 安卓版
v3.73.4740 安卓最新版
v6.930.7185.771602 安卓版
v1.641.5137.707395 安卓最新版
v1.792.4774.856594 PC版
v1.899.6494 IOS版
v8.734 最新版
v1.897 安卓版
v3.288.2074 PC版
v3.988 安卓免費版
v1.520.548.283664 最新版
手抓超级大欧派网站
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
国产精品剧情原创麻豆国产
免费看a
亚洲视频图一图二
精品国产久久久18禁
av天天干
亚洲一级女同AA
黄色网站操逼
蜜桃甜心漫画免费阅读
欧美日韩网站
黑人巨大久久精品欧美
原神18+
未 18嵗 观看秘 网站
贪色夫人2之台湾版电视剧
殴美一级A片
⭐黄⭐色⭐视⭐频⭐
谁有亚洲免费黄色网站视频
黄视频网站大全
一亲二抱三四亲五注免费
深夜女人18毛片A级毛片免费
被男同桌强摁做开腿暴C
插逼视频
国产亚洲福利专区福利
床上欧美一级黄A片