目今位置:首页 → 电脑软件 → 如何评价机械革命自燃事件 → 拔掉尾巴一地水 v8.797 安卓漢化版
v7.732 安卓最新版
v5.353.763.858603 IOS版
v4.699.6062.277977 安卓漢化版
v7.389 安卓免費版
v9.91 最新版
v2.868.1784.662730 安卓最新版
v2.348.1841.714838 最新版
v5.913.1255.8220 安卓漢化版
v9.620.2801.153307 安卓免費版
v2.363 IOS版
v1.230.1188 安卓版
v4.593 安卓免費版
v7.37.6771.799248 PC版
v5.943.8671 安卓版
v7.680.1669.60907 PC版
v2.357.3540 PC版
v6.745.2458 安卓免費版
v4.861 安卓版
v6.296 安卓最新版
v7.804.2218.468992 安卓最新版
v4.787.7797 安卓最新版
v8.279.9569 安卓漢化版
v1.190.8310.71008 安卓免費版
v7.914 IOS版
v6.598.9782.746488 最新版
v8.114.5836.310917 安卓漢化版
v6.464 安卓版
v9.84.5241.577578 IOS版
v5.432.3960.640477 安卓免費版
v3.721.8823.376831 安卓免費版
v3.177.9201 PC版
v4.629.1231.593465 IOS版
v1.525 PC版
v9.737.1872 PC版
v4.225.4720 安卓漢化版
v1.195 最新版
v5.117.1899.802784 安卓免費版
v5.78.187.14075 安卓最新版
v3.333.6262 IOS版
v1.193.3508 IOS版
v2.669 安卓最新版
v1.962 安卓最新版
v9.621.4755.972799 PC版
v8.798.8249 安卓漢化版
v3.836 PC版
v7.219.4094.628712 最新版
v6.619.4891.62512 安卓漢化版
v1.216.5177 安卓免費版
v5.115 安卓漢化版
v4.58 PC版
v2.490 安卓漢化版
v9.157 最新版
v7.558.8895 安卓版
v1.122.9337.984210 安卓漢化版
v3.799.2022.122389 安卓版
v9.671.4421.237094 PC版
v4.956 IOS版
v3.843.3593 安卓版
v3.173.9946.791956 PC版
v9.133.141.37062 安卓最新版
v8.126.5125 安卓最新版
v4.313.1512 PC版
v1.743.7829 最新版
v1.371.5081 最新版
v8.734.453.384384 安卓免費版
v3.758 安卓免費版
v2.244.9730.320068 IOS版
v9.390.4570.933929 安卓版
v1.103.4887 安卓免費版
v4.874.6150.568738 安卓漢化版
v5.772.6068 IOS版
v4.8 IOS版
v1.684.5122 最新版
v4.157.2409.575380 安卓最新版
v3.855.2611.47855 安卓漢化版
v7.544.7822.402591 安卓漢化版
v6.685 安卓版
v9.70.7844.316564 安卓最新版
v8.880.396.795170 安卓版
v7.33.4297.567236 最新版
拔掉尾巴一地水
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
抖阴探探
淫萝学园
原神芙宁娜裸体 开腿网站
欧美洲人的黄色视频
在线观看黄色视频AAA视频
欧美激情艹逼视频
男男做冰块+扩张失禁play
亚洲色图欧美色图在线
➰💫永盈welcome大厅购彩
徐婷被房东揉到高潮的视频
航空阿姨最刺激最刺激的美女黄色网
强奷年轻女教师在线观看
色拍拍色噜噜综合影视
亚洲综合二区在线视频
kbmh_18170.apk
亚洲欧美中文一区二区三
青青在线视频视频
小鸟游星野触摸2.0下载
《鲇井京花》
国产人妖无套 免费网站动漫
色欲a√手机在线视频
亚洲国产综合网
女班长跪床 被
www.hbjtxsy.com
世界常识控制一高中篇
精品在线观看国产