(8秒快速说明)开心激情亚洲苹果版v55.67.13.97.6.70.64-2265安卓网

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗?中科院新基准给出谜底

2026-01-10 22:59:22
泉源:

猫眼影戏

作者:

张二嫂

手机审查

  猫眼影戏记者 王纲英 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:.自拍偷拍1页

??01月10日,今年广西始发中越班列5次刷新单月发运量纪录,

  新春伊始,三阳开泰。 为期三天半的镇村干部培训聚会即将竣事。在培训聚会一最先,宗镇长就从全局的高度对做好这次镇村干部培训事情做了很好的发动安排,提出了严酷的要求。几位专家学者用自身丰赡的知识从理论和营业方面划分给我们举行了全心的解说,很是精彩。我以为岂论是宗镇长的发动讲话,照旧专家们专心教学的向导,都具有极强的针对性、指导性和实践性,对我们以后的事情和学习都有很好的指导借鉴意义,各人回去后一定要认真学习,深刻体会,抓好贯彻落实。下面我就本次培训聚会的有关情形再讲三点意见:

,久久永久免费人妻精品麻豆。

??01月10日,第十二届全球视频媒体论坛在泉州举行 李书磊以视频方式出席并致辞,

  “咻!”

,国产speaking打屁屁网站,亚洲 p,精品二区。

??时势2:成人 涩app无遮挡

??01月10日,1月至9月,全国检察机关起诉组织、领导传销活动罪4627人,

  一、作育优异的学习习惯

,美女做爱在线播放,涩涩龙卷高清无码,韩国Ⅴ欧洲V日本VA片在线观看。

??01月10日,瑞典学者:中国主张为中东和平稳定带来新希望,

  像是履历了一生那么就远,又像是才最先启程,碎金闪灼,青光蒸腾,前方泛起一个发光的门户,到了路的止境。

?第一百章 第二战场,正在播放亚洲一区二区精品丝袜无码高级,禁止18岁免费观看的网站,欧美性爱偷拍视频网站。

??时势3:亚洲熟妇无码八AV在线

??01月10日,乌克兰留学生娜斯佳:金山岭长城有种说不出的美,

  这种工具有几多都不嫌多,况且一样平常情形下来说,一族只有一种极强的宝术,其他都是小神通,加以辅助。

,油管gtsgrowth网站,成 人 免费网站,在线播放免费一级毛片。

??01月10日,(国际观察)加沙战事持续百日 中东紧张局势何解?,

  所有人都愤愤不已,最不可接受的是,虚神界居然奖励了他一块宝骨。

,影音先锋在线看片资源,小冉同人代码,香蕉香蕉国产片一级一级毛片。

??时势4:xxxx视频免费

??01月10日,美国亚拉巴马州发生两起枪击事件 共导致2死9伤,

  1、增强后勤包管,确保教育教学的正常举行。20xx年下期至20xx年上期,投入资金近6万元,装修了中心小学西席及行政办公室、添置了办公及聚会桌凳,为启航楼、汇智楼课堂、功效室、办公室装置了电灯、电电扇,为师生创立了优异的事情和学习情形。

,欧美一级又粗又大又黑,我想看亚洲最黄的黄片儿,欧一美一婬一伦一区。

??01月10日,山东日照举办高质量发展大会 92个重点项目现场签约,

  终于,他到了止境,踏上金色的通道,霞光一闪,从原地消逝,来到了初始地。

,黃色视频在线免费看,爽草AV,99在线一本精品欧美。

责编:史蒂芬·萨博

审核:闫海清

责编:黄静

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图