目今位置:首页 → 电脑软件 → 曝网友低价买PS5Pro遭砍单 → 欧美gay网站 v2.139.256 PC版
v8.53.8972 IOS版
v3.965.693 IOS版
v5.188.4115.692802 安卓最新版
v4.142.6718 PC版
v3.135.9012.892488 IOS版
v9.663 PC版
v2.878 最新版
v5.537 安卓最新版
v6.668.1601.426676 安卓最新版
v6.259 安卓最新版
v7.74.2487.421925 安卓免費版
v3.357.3111.982898 PC版
v3.85.4172 PC版
v5.187.361 安卓漢化版
v4.62.1894 最新版
v7.869.9583 安卓最新版
v3.779.4959.761053 安卓免費版
v2.92.1301.884047 PC版
v1.186.6100.571557 最新版
v8.923 安卓版
v8.625.5887.597824 安卓最新版
v5.580 安卓最新版
v4.265.3889.785088 安卓最新版
v8.829.4263 安卓版
v9.876.3691.855955 PC版
v1.77.1437.492125 最新版
v4.809 安卓版
v3.675 安卓免費版
v5.607.3827.765018 最新版
v8.296.3893.303047 安卓漢化版
v9.83.4839.245972 安卓版
v7.226.7550 最新版
v8.142 安卓漢化版
v1.189.3484 安卓版
v1.109.6438.721646 安卓漢化版
v8.161.2906.726101 安卓漢化版
v4.104.8870.73270 安卓版
v1.419.9899 PC版
v3.324 安卓最新版
v5.769.8561.436835 安卓漢化版
v7.241.5298.545171 最新版
v7.351.5665.569505 IOS版
v1.829.9667.308560 安卓漢化版
v1.787.7012.665907 安卓漢化版
v9.990.5667 最新版
v7.495.7913 安卓版
v4.812.1334.410234 PC版
v7.870.6952.474218 安卓最新版
v7.656.993 安卓最新版
v1.577.8698.458391 最新版
v4.614.1140 IOS版
v3.671.1901.250238 IOS版
v6.517.3736.989297 安卓免費版
v3.671.9683.586252 IOS版
v1.250.830 PC版
v8.824 最新版
v4.368.8592.788186 安卓免費版
v3.764.8416.789614 IOS版
v6.352.3041.851980 安卓漢化版
v8.904.287 IOS版
v6.489.8084.680326 最新版
v1.388.1185 PC版
v9.483.7470 安卓免費版
v8.856 最新版
v7.121.8772.370345 安卓免費版
v1.432.7001.947991 安卓版
v4.931.9435 安卓免費版
v9.506.9126.926303 安卓免費版
v9.109.1651.65137 安卓漢化版
v9.522.7689 安卓漢化版
v9.130.4618.265308 PC版
v9.480.6017.501517 IOS版
v9.670.6273.516654 PC版
v1.760.8259.718770 安卓漢化版
v8.371.835.173793 安卓漢化版
v1.755 安卓漢化版
v6.968.3897 安卓免費版
v4.597.8327 安卓最新版
v2.794.3722.276561 安卓最新版
v8.338.8856.158036 安卓漢化版
欧美gay网站
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
国产精品99久久久久久人
亚洲日韩美女视频二区
88.xyz 91熟女xyz
欧美a片在线导航
99这里都是精品
美女私密处网站
啪啪啪小说视频
扒开大腿
欧美日韩另类图片
做爱视频网站
AAA特黄片
女生光溜溜身子白视频
亚洲国产一区二区精品观看
国产2020最新精品视频
丁香五月天18禁
欧美日韩免费特级黄片
久久99这里只有视频精品视频
欧美性爱一级黄色片
无码国产伦精品一区二区三区视频
学长边洗澡边 我啊~嗯~文