目今位置:首页 → 电脑软件 → 超级任天堂世界直面会官宣 → www.超碰.con v3.133.5353.542365 安卓最新版
v1.232 最新版
v1.852.8289.173599 PC版
v6.397 安卓版
v1.951 安卓免費版
v3.832.1668.282563 安卓漢化版
v5.249.5722 IOS版
v1.567 最新版
v5.963.3695 安卓版
v7.220 安卓漢化版
v9.221.9923.721487 最新版
v3.622.2593.883492 安卓最新版
v9.456 安卓免費版
v5.978.8667 最新版
v3.493.4898 安卓版
v3.115.7076.738279 IOS版
v9.835 安卓漢化版
v8.789 安卓漢化版
v1.137.2425.243848 IOS版
v5.947.8835 PC版
v4.749.644 IOS版
v2.19 安卓版
v1.551.5387.928023 最新版
v6.753.4092.265942 最新版
v9.444 最新版
v6.295.9068.754702 PC版
v4.113.1860.707372 IOS版
v3.453.4157.896932 安卓最新版
v3.964.1572 最新版
v4.999 安卓版
v7.674.1509.646285 安卓最新版
v8.846.6049.443620 安卓漢化版
v8.650.6263 安卓最新版
v8.51.2138.744213 安卓版
v8.162.6301 安卓版
v9.486.8498 IOS版
v2.382 安卓免費版
v5.162 IOS版
v9.97 PC版
v9.523.8460 最新版
v6.692.7085.816863 安卓免費版
v4.69.8440.58616 安卓漢化版
v9.364.2666 最新版
v3.45 安卓版
v1.592 安卓免費版
v7.748.2461.160083 安卓版
v8.911.6698.653804 安卓最新版
v4.726.9990.350890 PC版
v5.127.5575.690807 最新版
v6.765 安卓漢化版
v5.528.1091.56510 PC版
v7.5 IOS版
v8.530.7882.315525 安卓漢化版
v9.91.1957 安卓最新版
v9.826.4788 安卓最新版
v1.51.9865.386938 PC版
v3.374.4219.495433 安卓免費版
v4.583 安卓版
v2.820 安卓漢化版
v4.819 IOS版
v6.809.1566 IOS版
v7.97.9507 安卓版
v6.415.7837.300680 安卓最新版
v1.692.8563.720898 IOS版
v8.799 安卓漢化版
v9.885.2598 安卓版
v1.395 PC版
v2.337.670.365423 IOS版
v6.240.2763.289581 PC版
v2.260 安卓最新版
v7.485.7125.477865 最新版
v4.385.6042.82953 PC版
v3.611 安卓免費版
v6.452.9796.395357 安卓漢化版
v3.580.4031 安卓版
v7.741.5703.726373 PC版
v9.491.4782.571975 安卓版
v4.465 安卓版
v1.504.781.716936 安卓最新版
v2.991 最新版
v6.508.1809.837087 安卓最新版
www.超碰.con
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
亚洲黄网一区二区
国产美女精晶一级A片
国产精品一区二区Av在线
午夜香蕉毛片免费看
玩弄小男生的小 小说
體育生爽擼大雞吧黃片gv
免费美女黄片
国产精品三级黄
wwwAV欧美
冢本一塚本夫人家庭背景和成就
欧美激情免费观看一区
天天被操
国产很黄的视频在线观看
国产的妈妈与儿子乱伦性爱免费视频
午夜人妻三级片大全
婷婷 亚洲 色 图 日韩
猛男肌肉Gya同性www
操屄视频网站
黄色视频免费在线看。免费在线看。
66j8影院
日韩毛片网址
学生性群交
免费区欧美一级猛片又黑又硬
色五月激情五月开心婷婷
强奸无码中文字幕精品一区视频
免费能直接看黄的网址
国语对白自拍
无码免费婬AV片在线观看
色欲av一级免费毛片
A级毛片全部免费视频观看