目今位置:首页 → 电脑软件 → 孙颖莎陪练王添艺实力与美貌并存 → 国产精品爽爽爽网 v2.901.8670.182637 IOS版
v9.960 安卓最新版
v5.677.9545.357444 PC版
v6.422 最新版
v2.858.5979.253049 PC版
v2.693 安卓免費版
v4.645.4523 安卓最新版
v6.898.8382 安卓免費版
v7.773 最新版
v9.207 安卓免費版
v1.824 安卓版
v8.199 最新版
v6.418 最新版
v1.7.8474.964432 安卓最新版
v1.405.7330.591473 IOS版
v6.878 最新版
v5.262 安卓免費版
v3.100.3016 安卓最新版
v4.626.8076.192991 安卓漢化版
v5.567 最新版
v6.897.3295.666043 安卓漢化版
v3.536.9626.145646 安卓版
v7.514 安卓漢化版
v3.506 安卓漢化版
v3.562.2986.577004 安卓最新版
v2.27.6429.441707 PC版
v8.878 最新版
v4.609.5292.303792 安卓漢化版
v8.199 IOS版
v6.649.4167.772587 安卓版
v4.104.1567.154945 安卓漢化版
v1.318.2792.342674 安卓免費版
v2.234 IOS版
v4.64.6810.104588 安卓免費版
v6.392.8490 安卓最新版
v7.733.6966 安卓免費版
v8.270 PC版
v2.596.6968.901007 安卓版
v2.25.6971.842840 安卓版
v1.546.6925.687364 最新版
v1.752.9436 PC版
v6.479.6388 安卓免費版
v2.372.8793 最新版
v4.248 安卓版
v1.278 安卓漢化版
v6.698.4871.84058 安卓最新版
v1.851 IOS版
v6.721.6885.426255 安卓版
v8.764.4436.408034 安卓版
v5.511.4078.828703 IOS版
v5.270.6807 IOS版
v5.555.9254 安卓免費版
v1.341.4183 安卓漢化版
v1.800.6748.288391 安卓漢化版
v4.683.453.551136 PC版
v2.711.9946 最新版
v3.313.1066.28439 安卓漢化版
v7.4 安卓免費版
v3.105 安卓免費版
v8.56 IOS版
v5.835 安卓最新版
v8.488.5310.869553 安卓漢化版
v5.554.502 安卓免費版
v2.485.7289.814996 最新版
v7.345.4485.95105 最新版
v7.928.4187.598610 安卓免費版
v9.998 安卓最新版
v1.702.1121.571143 PC版
v3.916.8609.790802 安卓最新版
v6.54.8399.679668 安卓漢化版
v4.622.7819.371909 IOS版
v9.324.2739 安卓漢化版
v9.200.9128.787772 安卓版
v6.784.2736.217058 最新版
v6.630.2363.31891 安卓免費版
v9.201.2102.969614 安卓最新版
v6.493.2584.412069 安卓漢化版
v6.308.2231 最新版
v6.878.1832.841262 PC版
v9.950.5231.303011 最新版
v5.978.460 安卓免費版
国产精品爽爽爽网
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
啊啊啊啊啊啊啊网站
日韩精品一区二区三区不卡视频
亚洲第一成网
黄片夜夜操
精品国产污网在线看入口下载
Feer XXX 漫画网站
色色色色色色色色色色色色色色色网站
国产美国码在线
国产 欧美 日韩 一区
中文字幕狠狠插视频
91黄色在线免费观看视频
裸体拳交视频
黄页网址在线
五朵美图
女教师用 夹我的 动漫下载
久久国产亚洲精品
99影院黄色网站A
亚洲天堂自拍偷拍
www.俺去射
18禁看网站
日韩 综合 在线 第一页
白子触摸
人禽交欧美网站