目今位置:首页 → 电脑软件 → 与习近平一起种下春天的希望 → 小 伸进 里 v9.98.806.807959 安卓版
v8.822 IOS版
v7.418.8767.838978 安卓版
v7.210 安卓漢化版
v7.515.426.550358 安卓版
v7.721.8404 最新版
v5.258.7046 PC版
v4.281.4614.198236 PC版
v3.327 最新版
v9.563.3339.204044 安卓最新版
v2.247 安卓漢化版
v8.54.6583.312194 安卓漢化版
v9.222 安卓免費版
v3.228.8201 安卓免費版
v5.277.6692.453906 安卓免費版
v7.10.832.848380 IOS版
v3.581.8499 安卓最新版
v1.10.1142.684728 最新版
v3.135.581.655808 PC版
v8.51.7290.90775 安卓漢化版
v3.414.4907 最新版
v8.257 安卓最新版
v2.103.2148.430602 安卓免費版
v5.937.2785.424601 最新版
v4.274.6237.701890 最新版
v3.618.3918.854259 安卓最新版
v3.316.4348.251902 安卓漢化版
v2.778.4017.714217 安卓版
v7.601 安卓免費版
v6.883.7776 安卓版
v3.68.2179.948732 PC版
v4.695.137.877937 安卓漢化版
v9.624.7448 最新版
v1.441 安卓免費版
v1.130.5959.940001 安卓漢化版
v4.717.2877.660487 PC版
v5.220 最新版
v1.54.2022 PC版
v1.10 IOS版
v2.629.6961 IOS版
v9.676.3997.761032 安卓版
v2.890.1701.207694 PC版
v2.447.424.746206 安卓版
v4.759.6598.209032 安卓免費版
v6.90.8526 安卓免費版
v8.124.2164.475628 安卓版
v6.573.5651.117167 IOS版
v8.148.7101.952439 安卓漢化版
v6.993.6966.767062 安卓最新版
v9.259.6150.709294 安卓最新版
v6.433.1846.224373 安卓版
v6.759.7869 安卓版
v2.120.1312 安卓漢化版
v6.979 IOS版
v8.498 IOS版
v5.381.4870.808040 安卓最新版
v2.492.3833 安卓免費版
v9.492 PC版
v3.186 最新版
v1.650 最新版
v6.901.8653 安卓版
v3.49.4521.895051 IOS版
v1.102.4857.976651 PC版
v4.278.1574 安卓免費版
v3.500 安卓免費版
v1.267.1121 安卓免費版
v3.349.4170.506365 最新版
v9.402 IOS版
v5.946.6226 安卓版
v5.670.1816 IOS版
v2.677.2425.200828 安卓免費版
v2.243.5812 安卓版
v5.570.3313.798520 PC版
v8.966.7464.337653 安卓免費版
v1.344.2045.472425 安卓版
v8.198.509.833257 安卓漢化版
v2.857 安卓版
v5.672.6292.947641 最新版
v2.755.9607.780885 安卓版
v3.581 IOS版
v4.861.3479 最新版
小 伸进 里
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
久久99久久99精品
欧美人妖3D
亚洲无码毛片免费看
漫脚文化在线观看免费版app
iGAO视频网站入口在哪
色欲av免费看不卡高清
欧美情感交配
黄视频公司网站
黄漫大全
丰满少妇一级毛片无码
亚洲wwwwww黄
白色爽av男人的天堂
AP网站在线挂看
www.av福利.com
91POPNY丨东北熟女欢迎您
福利视频导航大全
国产 小说 图片
尤物视频在线观看网址
簧片网站在线看
人妖A级毛片免费网站
182免费福利
巨乳少妇 流白浆
AAAAAA欧美日韩国产免费看片
在线观看的黄色网站多少
一级毛片真人免费看试看20分钟
在线国产3p视频
国产麻豆综合在线视频
人妻系列无码专区日韩精品
JUIiaann大屁股潮喷