v3.163 安卓漢化版
v4.971 安卓最新版
v4.718.9512.258829 PC版
v6.14.6689.890571 安卓漢化版
v6.918.6391.370524 最新版
v4.695 IOS版
v4.470.4184 安卓最新版
v3.363 PC版
v9.837.5392.330035 最新版
v2.348 PC版
v5.675.464.10925 安卓免費版
v7.598.9427.278490 IOS版
v9.692.1219.865698 安卓漢化版
v6.519.174 IOS版
v9.703.6231.579892 安卓最新版
v1.337.9312 安卓版
v5.215.2959 安卓版
v4.668.8214.496092 安卓免費版
v9.456.7163.754347 安卓漢化版
v1.771.3324 安卓漢化版
v4.612.2967.13024 安卓最新版
v1.144 PC版
v2.62.5868.390142 PC版
v6.388.4083 最新版
v2.775.4495.970369 IOS版
v2.714.1385.499302 IOS版
v6.748 安卓版
v6.87.5763.966486 安卓免費版
v8.708 IOS版
v7.982.1842.395499 安卓免費版
v9.287.2809 最新版
v3.154.1819.231964 安卓最新版
v4.315 安卓版
v2.236.7344.263851 安卓漢化版
v6.851.3985.949660 安卓最新版
v3.781.2103.163215 IOS版
v7.762.7038.58194 安卓漢化版
v7.864.8805.22627 安卓免費版
v1.11 安卓最新版
v9.179.3780.59215 安卓漢化版
v6.996.3681 安卓漢化版
v1.764.5523 IOS版
v9.303.7494.688444 IOS版
v9.392 安卓版
v7.737.2184.430256 安卓漢化版
v9.666.2041.31318 IOS版
v4.659.8304.369191 最新版
v8.305.1177 最新版
v9.871.3182 安卓版
v9.78 PC版
v2.890 PC版
v7.821.9361 安卓版
v2.654.6241 安卓版
v9.440.3480.924856 IOS版
v2.776.9967 PC版
v4.27.6041 安卓最新版
v6.674 安卓免費版
v6.184.1666.515659 安卓版
v9.207 最新版
v2.510 安卓免費版
v6.968 安卓免費版
v6.562.4958.421278 安卓版
v6.657.1400.787315 安卓免費版
v8.994 安卓版
v9.250.6876.661996 安卓漢化版
v4.797.9313.651401 IOS版
v3.486 安卓漢化版
v3.390.4283 安卓最新版
v9.624.5946 安卓免費版
v6.678.4997.634159 安卓版
v6.419.2824 安卓版
v2.56 IOS版
v6.882.9753 安卓最新版
v2.821 PC版
v6.528 安卓最新版
v2.597.9974.15428 安卓免費版
v7.914.2137.501036 最新版
v3.461 PC版
v7.189.94.884630 PC版
v5.33 安卓漢化版
草莓视频 18在线视频
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
鲁鲁乱伦视频
不卡日本免费网址
中文字幕3区5页
王斌黄色网站
乃万免费下载安装教程
99看片婬黄大片视频
国产超碰人人爽爽感趣
永久禁看网站
含羞草传媒每天免费三次
国产精品久久久久精品三级无码
女女蕾丝互慰十八禁
欧美一级破初视频高清在线
我想看国产黄色网站
黄色网站免费看aaaaa
插 爽 内地
欧美日韩有码A
免费操操
女性脱 给我揉 91香蕉
免费观看在线黄片视频
黄色的网站免费观看视频在线
那里有毛片网站
秘 睌
国产口爆吞精一区
国内男女真人做爱猛猛视频
娜美裸乳被爆 白浆