目今位置:首页 → 电脑软件 → 立陶宛限制中国外交人员离境 → 成人免费 色情美女网站抹茶 v7.281 安卓最新版
v2.696.4690.971776 PC版
v8.597.8548.170144 PC版
v3.427.2072.612367 最新版
v1.600 最新版
v6.254.2672.445450 安卓免費版
v9.365.2088.481224 安卓最新版
v8.958.172 最新版
v2.163.970.726640 安卓免費版
v8.923.852 安卓免費版
v1.847.1700.195572 安卓最新版
v2.835.4137 安卓最新版
v8.803.3841.297121 最新版
v8.597.1642.611618 最新版
v3.154.6766.355665 最新版
v3.37.3320 最新版
v9.906 IOS版
v3.899.4937.623059 最新版
v6.176 安卓漢化版
v7.657.9930.706259 安卓最新版
v2.610.3399.105075 最新版
v7.511.8058.828175 IOS版
v3.772.5460.732773 IOS版
v5.549 安卓免費版
v1.269.3665.510146 安卓最新版
v2.195 安卓版
v8.58.5268.349825 安卓漢化版
v7.558 安卓最新版
v1.560 安卓免費版
v8.563 最新版
v3.336.9744.695907 安卓版
v5.872 PC版
v4.475.4219.290164 安卓免費版
v6.585.317.82579 IOS版
v9.571.7234 安卓版
v1.252.8572.340227 最新版
v4.183 安卓漢化版
v5.218 安卓版
v2.724 PC版
v8.601.9334.583192 安卓漢化版
v3.486.3879.410258 PC版
v8.395.3435.759522 安卓版
v4.497.4083 PC版
v3.173 最新版
v9.721.8702.763679 安卓版
v4.236.790.986303 PC版
v2.435.6023 IOS版
v5.340 最新版
v3.201 IOS版
v8.333 安卓漢化版
v4.552.5993 安卓免費版
v3.610 最新版
v6.299 IOS版
v6.633.7331.357540 安卓免費版
v8.508 PC版
v5.992 最新版
v4.704.6249.869694 安卓最新版
v2.12.6562 安卓漢化版
v5.836.3432.930183 安卓最新版
v3.723.6736.116276 安卓版
v7.214.6219.19830 安卓免費版
v4.727.5727.536170 安卓免費版
v8.416.7432.58486 安卓免費版
v1.934 安卓版
v2.495.5869.895520 安卓漢化版
v9.181 安卓漢化版
v6.541.9680 最新版
v4.910.7848.877716 PC版
v5.660.3857.54209 最新版
v9.164.1886 安卓免費版
v9.422.6095 最新版
v5.35.7366.981809 安卓版
v1.268.733 安卓最新版
v9.82 IOS版
v7.120 安卓最新版
v1.493.2582 PC版
v1.682.3160.783199 PC版
v2.468.7237 安卓免費版
v5.299.3313 安卓最新版
v8.940 安卓版
v4.725 安卓最新版
成人免费 色情美女网站抹茶
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
关晓彤你
国产九色视频在线观看
日韩精品欧美在线视频在线
美女操逼黄色视频
成年性午夜免费网站中国
木影·cc游戏
男人天堂有性无码在线
黄色在线电影网站
男人操女人在线观看
97午夜理论片在线观看播放
亚洲无码
男女视频18
91n免费处女在线破视频 进
一级欧美片视频免费播放
国产精品人人色
亚洲秘 AV无码一区二区张泽瑜
免费ai网站入口
国产视频9999
99热思思在线播放
色综合a在线怡红院怡红院院院首
FreePorno馃拫馃憴29
伊蕾娜光腚图片