目今位置:首页 → 电脑软件 → 江苏13市已全部进入中度老年化社会 → 人人 射人人操人人摸人人射 v2.859.5857 安卓漢化版
v6.446 安卓最新版
v9.689.6558.716838 安卓漢化版
v6.135.4986.910457 最新版
v1.227.3134.548050 安卓免費版
v3.169.3367.196691 安卓最新版
v8.776 安卓免費版
v1.809.5632.122824 安卓版
v4.30 安卓漢化版
v7.288 安卓漢化版
v5.651.4178.428595 安卓版
v4.953.6562.297914 安卓版
v6.531 安卓版
v3.320.4429 最新版
v5.838.1211.569600 安卓漢化版
v7.894.1274.310711 安卓版
v5.162 IOS版
v3.677 PC版
v7.282.5219 安卓漢化版
v3.336 PC版
v8.517 安卓最新版
v5.608.4813.403194 安卓最新版
v6.912.15 安卓免費版
v9.790 安卓免費版
v1.821.9677.365508 安卓版
v7.537.1416.612179 最新版
v2.998.8471.270290 安卓免費版
v1.36.5556 最新版
v3.749.7671.636052 PC版
v2.696.4627 安卓版
v7.56.9492.125685 PC版
v6.923.6160 IOS版
v3.832.7792.417911 最新版
v8.829.8997.220974 最新版
v1.285.4253.182561 安卓漢化版
v8.474.8291 PC版
v3.672.8688.939943 PC版
v8.526 安卓免費版
v3.296.3379.39962 PC版
v3.938.1774.495503 安卓最新版
v1.520 安卓免費版
v4.79 安卓免費版
v4.751.1248.118212 最新版
v5.494.147.560574 PC版
v8.730.3556 安卓最新版
v5.198.8218.306013 IOS版
v6.669.6206.456047 最新版
v2.644 IOS版
v9.495 安卓免費版
v9.796.3276.663546 安卓最新版
v5.712.3196.38834 PC版
v5.293.5298 安卓免費版
v6.362.7896 安卓漢化版
v3.181.4543.868202 安卓漢化版
v3.439.703.731874 IOS版
v3.803.6529 安卓版
v7.664 IOS版
v6.578.7853.667462 安卓免費版
v9.283.3272.151042 IOS版
v9.440.6856 安卓免費版
v7.463.6030.449750 安卓最新版
v6.846.14 安卓免費版
v8.208.7845.356773 安卓最新版
v2.213 PC版
v6.260.5211.963636 PC版
v1.402.4000 PC版
v2.192.7663 IOS版
v4.491.8338.374532 PC版
v1.778.941.32912 最新版
v5.790 安卓最新版
v9.669 安卓漢化版
v8.816.6576.5069 安卓免費版
v8.244.6681 安卓最新版
v7.588.2494 安卓版
v3.72.6499 安卓最新版
v3.205.9362.922104 安卓漢化版
v4.16.4832.921815 安卓漢化版
v7.465 PC版
v1.762.5936.416402 PC版
v8.465 安卓漢化版
v4.681.6594.197739 安卓最新版
人人 射人人操人人摸人人射
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
加勒比一区
日本黄色网站中文字幕
jmconm2
看林芝玲淫秽片
好色精灵探访记
欧美性爱在线播放网站
中文字幕永久人人视频日韩
18勒
你懂得在线观看网站
18禁黄高潮喷水
欧美人xxxx
欧美性交特黄黄色片
超碰97人人模人人爽人喝
性配久久久
男男做爱音频
99综合精品国产丝袜长腿
大黄片免费
嫖娼在线观看真实
色肉色轮交AV色肉色轮金牛
元神黄文
亚洲vA日韩VA欧美DvD观看
免费熊片胖熊自慰Gay
午夜人人操