目今位置:首页 → 电脑软件 → 鬼灭《柱训练篇》定档5.12 → 人人操人人操人人爽 v5.491.4043 PC版
v3.963.4612 IOS版
v4.331.6170.479647 PC版
v4.670.9170.182907 IOS版
v9.197.8145 IOS版
v9.8.6626.214757 安卓免費版
v5.162.4022.772171 安卓最新版
v8.928.3909 安卓最新版
v1.938.5528.745077 安卓版
v1.113.7622.742998 安卓最新版
v6.932.6743.391289 安卓漢化版
v5.701.4828.633211 安卓漢化版
v7.512.6491 安卓漢化版
v6.416.4629 安卓版
v4.623.2655.49346 最新版
v4.804.8546 安卓最新版
v8.459.1987.469668 安卓版
v6.253.8301.332286 最新版
v9.722.4319 安卓最新版
v7.287.3206 最新版
v2.998.9592 最新版
v5.435.7102 安卓免費版
v8.751 安卓最新版
v7.256.4671 PC版
v6.577.5612.43981 最新版
v1.198 安卓最新版
v7.16.5249 安卓版
v8.806.5294 安卓免費版
v8.902.2900.507809 安卓最新版
v6.543.9081.586253 安卓漢化版
v7.267.1431 PC版
v2.840.319 PC版
v3.728 安卓免費版
v2.248.5281 IOS版
v5.607.4402.114327 IOS版
v7.456.9745.715881 安卓免費版
v7.785.8179.609192 安卓免費版
v3.280.7655.662726 安卓漢化版
v7.529.3545.900228 安卓漢化版
v9.889.1040.24460 安卓最新版
v9.720.3610 安卓版
v2.423.9495.337832 最新版
v5.864.1838.788297 安卓漢化版
v4.795.1581 最新版
v9.314 安卓免費版
v5.767 最新版
v9.754.1438.923429 PC版
v9.473.7737.197289 安卓版
v8.962.5294 PC版
v5.290.5022.109368 安卓最新版
v6.726.1128.110912 最新版
v3.746 安卓漢化版
v9.639.2158.934140 安卓最新版
v9.477.5088.907451 安卓漢化版
v5.382.6614.518710 最新版
v7.746.747.151995 安卓免費版
v6.20.6697.512987 PC版
v2.542.5177.301881 安卓免費版
v6.554.5100.886788 安卓漢化版
v6.997.1346.319907 IOS版
v5.443 最新版
v6.773.5493 安卓免費版
v6.76 安卓版
v7.424.2796.519881 安卓漢化版
v1.395.3768.827066 PC版
v6.54.4236.966838 最新版
v6.862.2753 安卓免費版
v5.272 安卓最新版
v9.958.339.974024 安卓最新版
v2.22 安卓版
v3.464 IOS版
v4.487.7332 安卓最新版
v2.329.5911.24098 最新版
v7.568 安卓免費版
v9.365.9814 安卓最新版
v5.340 PC版
v6.59.8077 IOS版
v6.741 安卓漢化版
v2.425 PC版
v8.258.5269 最新版
v1.117.9923.907030 安卓漢化版
人人操人人操人人爽
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
800在线观看凹凸
日韩操逼毛片
亚洲欧美在线成
三色色色色色色
九九九视频精品视频
91久久久久久久综合网
免费秘 羞羞视频入口
91大论坛在线3p人妻
纯肉无遮挡H肉3D动漫视频
人人操人人上人人干
国产色噜噜噜在线观看
亚洲黄色熟妇视频
熟妇高潮精品一区二区三区
日韩a一级欧美一级在线播放
www.5
电影在线观看完整免费高清原声满天星原名
美女超碰亚洲
99精品爱爱视频
欧美日韩免费情欲片
小 戳进 无遮挡看片
九色91POPNY 蝌蚪最新
韩国免费A级作爱片高潮