目今位置:首页 → 电脑软件 → 哪个瞬间你对内娱彻底失望? → 小 伸进 喷水动漫 v4.148.7735.960606 安卓免費版
v6.945 安卓漢化版
v6.831.8941 PC版
v9.315.9340 最新版
v7.687 安卓免費版
v4.307.4141.769759 IOS版
v3.609.5059.662439 安卓免費版
v1.933 安卓最新版
v6.390.5175 安卓免費版
v1.41.2522 安卓最新版
v8.316.2189 安卓版
v1.355 最新版
v8.929.2631.902181 安卓最新版
v2.470.1303 安卓最新版
v7.851.4334.652123 安卓漢化版
v5.657.4706.155246 最新版
v6.789.114.130146 IOS版
v4.460.2326 最新版
v7.309.9055.534199 最新版
v9.934.6792 安卓版
v8.240 最新版
v5.406 安卓漢化版
v4.880 PC版
v3.411.49.738176 PC版
v2.737 IOS版
v3.98.4636.45950 安卓最新版
v9.919 安卓漢化版
v6.865 安卓版
v1.341 安卓免費版
v1.884.3570.605667 安卓版
v1.274 PC版
v5.365.2267.570816 安卓免費版
v8.827 安卓版
v9.365.8679.449073 安卓漢化版
v5.204.997.497571 最新版
v4.568 安卓漢化版
v6.523.2355.235785 安卓版
v9.287.1332.844063 安卓免費版
v2.859.3277.407136 安卓版
v9.997.310.265249 PC版
v3.471 IOS版
v5.222 安卓漢化版
v1.502.2466.296673 安卓免費版
v9.27 安卓漢化版
v1.849.2674.55823 安卓漢化版
v7.553.9489 安卓漢化版
v6.392.7583.966088 安卓最新版
v3.75.2645.978834 安卓最新版
v2.444.8726 安卓版
v4.113 PC版
v7.380 IOS版
v6.35 安卓免費版
v9.573.434 PC版
v7.769 安卓免費版
v6.306 安卓免費版
v7.490.2127 安卓漢化版
v2.733.488.312183 安卓最新版
v4.78.5153 PC版
v2.591 IOS版
v7.23.5876 IOS版
v4.495 安卓免費版
v1.362.2601 PC版
v3.847.4488.84163 IOS版
v8.333 安卓漢化版
v9.658.7652.891474 安卓漢化版
v7.707.1849.429844 安卓版
v1.652.1739 IOS版
v8.568 PC版
v4.301.5939.566848 安卓最新版
v8.618 安卓最新版
v7.252 安卓版
v3.701 最新版
v9.948.5018.20673 安卓最新版
v5.300.9965.830152 安卓漢化版
v7.985.5825 PC版
v8.299.3313.677272 安卓最新版
v5.306.1645 PC版
v6.956.3162 IOS版
v2.25 IOS版
v6.828 最新版
v4.356.5678.442809 IOS版
小 伸进 喷水动漫
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
日本www中文字幕网站入口
九九看视频
jizzjizz在线播放中国
色欲亚洲一区日韩精品
原神18+
日本黄色网站不卡在线播放
黄页免费在线看
巨黄视频
黄色网站精品极品原创在线观看
日本黄色网站视频!
免费AV网站啊啊啊
日本中文字幕黄色网站
亚洲天堂2019在线观看
日韩无码黄色网
日韩一级AAA片免费观看
黄色网站app
人人干人人操人人射