目今位置:首页 → 电脑软件 → Ning老头杯一选TheShy → 大鸡巴进小洞洞 v8.846.8599 最新版
v5.552.4567.691950 安卓漢化版
v3.142 安卓版
v9.923.7882.825560 IOS版
v3.921.3874.549181 最新版
v7.345.9566 最新版
v1.595.2214.447291 PC版
v5.917.9866 安卓免費版
v9.167.5816.438877 IOS版
v9.338.4133.432554 PC版
v1.731.303 安卓免費版
v8.328.1681.903918 安卓最新版
v4.602.3638.373654 安卓版
v3.834.1668.833659 IOS版
v6.312 IOS版
v6.555 安卓免費版
v5.949.4805.115638 安卓最新版
v8.726 安卓版
v7.128 安卓最新版
v5.237.267.216315 安卓漢化版
v5.493 PC版
v3.113.1598 安卓版
v4.241.7448.97311 安卓版
v6.701.1391.422589 PC版
v1.525.809.896774 安卓最新版
v5.883.2517 PC版
v8.642.9067 最新版
v8.311.1928.212168 最新版
v9.800.6212 安卓版
v3.517.21.635430 IOS版
v4.263.1094.220867 PC版
v8.243.6186.837959 IOS版
v2.293.1349.38303 最新版
v1.938.9536 安卓漢化版
v1.275.6755 PC版
v8.333.6599 安卓漢化版
v8.26.1545.513188 安卓漢化版
v5.173.6359 安卓免費版
v6.853 IOS版
v9.825.3003.115794 安卓最新版
v1.850.7176 最新版
v4.711.7600 安卓免費版
v4.690.5053.145879 IOS版
v7.142.486.592605 安卓最新版
v4.671 安卓最新版
v9.958 PC版
v9.83 PC版
v1.317 IOS版
v8.220.8441 安卓最新版
v6.486.6407 IOS版
v7.838.1315.842519 最新版
v5.811.3316 PC版
v7.730.1141.448133 最新版
v8.38.6879.889197 安卓最新版
v7.680.9795 最新版
v9.631.345.718319 安卓最新版
v3.945.4754 安卓最新版
v6.990.2229 最新版
v4.98.5653 安卓漢化版
v7.230.4170.956016 PC版
v6.628.6767 安卓最新版
v4.71.4813.795708 安卓漢化版
v1.331.2498.214672 最新版
v4.639.991.631996 安卓版
v1.117.3246 安卓最新版
v7.109.4442.390740 安卓版
v3.269.4998 最新版
v9.713.3669.712344 安卓免費版
v9.588 IOS版
v4.328.9557.571042 安卓免費版
v1.927.135.265237 最新版
v6.487.1555.227476 安卓最新版
v6.588.2414 安卓漢化版
v7.412.3590.418723 IOS版
v7.718.8397.917940 安卓最新版
v8.552.4162.813967 安卓漢化版
v4.625 IOS版
v9.468.2499.983253 安卓免費版
v1.685.4302.125038 安卓版
v9.775.5496 安卓漢化版
v3.847.7033.270225 IOS版
大鸡巴进小洞洞
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
十三以下岁女子毛片免费播放
1024视频污
欧美射在线
女人叉开腿让男人桶
欧美一级片免费在线观看
中文字幕在线播放一区二区www
6080新觉伦午夜三级中文字幕
国产小马拉大车,免费
资源av在线
手机看片久久国产福利
亚洲动漫精品一区二区爱
美女扒开尿囗给男人爽的视频网站
欧美精品公开视频
久久12免费视频
色偷偷色偷偷色偷偷欧美
女女同性黄网一区二区
免费黄色网站的视频
成人 禁污污啪啪入口
舔插下面视频
午夜福利理论片在线观看717
草草视频欧美A片
17com黑料爆料视频在线看免费版完整
www.99re009.com
小说区图片区偷拍区另
男人用小鸡鸡桶女人的软件
三级片黄色视频国产
国产又粗又大慢慢进去视频
国自在线观看
欧美成一级A片免费播放
久久国产福利一区二区精品
美女一级黄色视频