目今位置:首页 → 电脑软件 → 张峻豪个人舞台原创新歌17 → PinkLoving最新视频 v7.562.9126.146549 最新版
v9.39.1553 安卓免費版
v9.289.4973.740150 PC版
v4.676.18.340473 最新版
v6.21 最新版
v2.173.4149.173991 PC版
v5.885 安卓免費版
v2.221.7449 最新版
v9.612.602.570105 最新版
v6.803.7769.197058 安卓漢化版
v6.447.361.931316 安卓漢化版
v2.262.5651 安卓版
v3.762.9955.725733 安卓免費版
v9.720.7704.315666 最新版
v5.966 安卓最新版
v6.864.2804.914168 安卓最新版
v1.201.6300.149315 安卓版
v9.608.8161.714365 安卓最新版
v7.659.9820 安卓最新版
v5.726.3793.47284 安卓最新版
v1.439.3559.950818 最新版
v7.558 安卓版
v1.807.7280 安卓免費版
v2.320 安卓漢化版
v9.517.2066.382469 安卓最新版
v9.768.7998.518782 安卓漢化版
v6.24.5590.936443 安卓最新版
v3.505.1238.321048 PC版
v6.839.945.755152 安卓漢化版
v5.729.8359.948911 最新版
v1.839.1756.200575 最新版
v6.141.6295.115468 安卓版
v9.83 PC版
v4.603.3367.896776 安卓最新版
v7.27.4995 PC版
v7.438.5968.121835 最新版
v9.407 最新版
v2.59.8749 IOS版
v5.776.9296.491743 安卓版
v5.634.9327.99194 IOS版
v1.565 安卓免費版
v7.782.4236 安卓免費版
v5.795.1106.542671 IOS版
v2.206.9948.706831 安卓版
v2.107.772.226042 PC版
v7.472.8196.505987 安卓免費版
v9.68.6505.15545 IOS版
v7.782.3085.974057 安卓免費版
v1.182.5458 PC版
v5.577 安卓漢化版
v7.860.826.41939 最新版
v7.271.4969 IOS版
v1.976.7642 IOS版
v6.664.1544.582879 PC版
v8.777.3606.9313 IOS版
v3.713.3590.737837 PC版
v2.537.8817.150593 PC版
v1.210.180 安卓漢化版
v7.898.4022.366586 安卓免費版
v5.652.6156.197583 安卓版
v6.462.8810.553823 安卓最新版
v8.679.4804 安卓免費版
v3.512.3023 最新版
v2.830.1808 安卓版
v1.167.6175.402625 安卓版
v3.655.9439.285597 安卓版
v2.59.6708.180854 最新版
v3.112.5390.361995 PC版
v2.331.5135.854413 安卓版
v4.341.9923 PC版
v6.381.834 安卓版
v6.534 最新版
v6.254.8422 PC版
v9.585.5699.950112 安卓版
v5.484.3974 安卓漢化版
v1.491.9108 IOS版
v7.308.7120.749862 安卓免費版
v4.732.7096.272097 最新版
v8.227.6972 安卓版
v4.223.7051.848121 安卓最新版
v3.856.5127.100824 安卓免費版
PinkLoving最新视频
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
被操小说sm
色五月丝袜
最新欧美成网站在线影院
ⅩXXX泡妞 69
爱爱的网址
国产使劲操大逼黄片儿
黄频网址在线看
欧美性爱交配视频
91在线精品自拍
A片欧美另类在线视频
999国产精品999久久久久久
桃花视频日本高清视频
少妇毛片一区二区免费视频
肥熟老熟妇av
黄片视频在线观看福利
国产a级免费视频
18禁黄网站无码无遮挡免费
性╳╳╳肥胖老熟女