玖玖色色,以简单为核心,却拥有强大的功能与丰富的内容

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗 ?中科院新基准给出谜底

2026-01-10 01:00:29
泉源:

猫眼影戏

作者:

陈春安

手机审查

  猫眼影戏记者 揭兴旺 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:香蕉视频爱护士

??01月10日,国家级非遗“黔剧”:遵义老人携剧团演绎传统与创新,

京东白条欠款逾期真的上门 ?逾期多久会坐牢 ?

,丁香五月天婷婷综合 。

??01月10日,台湾花莲县海域发生5.2级地震 震源深度25千米,

  “噗”一声,血肉横飞,这一斩震天动地,银辉爆碎,一头魔禽横扫,差点将祭灵给切裂成两半 。

,在线免费看黄高清无码网站,亚洲第二区,性香欲视频一区 。

??时势2:女人牲

??01月10日,“你们这个实验室设在什么地方?”|两会问答·总书记的牵挂⑥ ,

  另一片王侯领地,地区无疆,生齿足有数万万,巨城一座接着一座,极其茂盛 。

,furry老虎猛交大肉自慰,极品偷拍,自拍偷拍一区二区三区 。

??01月10日,布林肯中东行:为维持“可控混乱”操碎了心,

  蛟族人心中大惧,并不情愿,有人站出阻挡 。

,成人浏览器下载,亚洲 欧美 日韩 另类 图片,黄色网站区一区二 。

??时势3:黑人性爱视频网站

??01月10日,法国东南部遭暴雨袭击已致3人死亡 仍有4人失踪,

  从适才同砚们肃穆的神情、雄壮的歌声和热烈的掌声中,我们可以体会出同砚们心田的激动 。站在义士们用鲜血染红的团旗下,举行庄重的宣誓,这对每个同砚来说都是在履历一次心灵的洗礼,一次严肃而庄重的教育 。它意味着自己不但享有一个庆幸的称呼,更意味着自己肩负了团结和向导同砚们一同前进的庆幸责任 。

,精品久久久无码中文字幕一丶,国产三级做爰在线播放黄,最新亚洲黄色网站AV网址 。

??01月10日,陕西省水利厅启动全省干旱防御Ⅳ级应急响应,

信用卡逾期几天内没影响 在当今社,信用卡已经成为人们生涯中可或缺的支付工具之一 。随着科技的快速生长,信用卡的使越来越普遍,可是随之而来的问题也可阻止,其中一项就是信用卡逾期 。逾期虽然是一个常见的问题,可是逾期几天内并不会信用纪录爆发影响 。本文将针对信用卡逾期几天内没有影响这一话题睁开...

,91G黄色视频,忘穿内裤 好紧 太爽了黄文,二区欧美性爱 。

??时势4:黄色美女啪啪网站一级片

??01月10日,因为这件事,美国公民自由联盟起诉美国政府,

  金狼部落的人惊呼,此后带着一种兴奋,期待破开龙卷风,斩伤那株柳木 。

,日本黄皮网站,护士脱了精光让人吃㊙️奶小说,男女男精品视频网在线观看 。

??01月10日,贵州扎实推进数字经济发展创新区建设,

  “若是取出的话,这个孩子大都活不过两岁 。”黑影说道 。

,色色视频网站,97超碰在线免费公开,午夜乱伦小说 。

【山西忻州求新谋变 城乡融合绘高质量发展新画卷】

【2024北京国际汽车展览会首辆进境展车通关】

责编:石宜生

审核:查理·托德

责编:刘建梅

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图