目今位置:首页 → 电脑软件 → 新疆7.1级地震已致3死5伤 → 亚洲欧美熟妇综合 v3.111.1861.975727 IOS版
v6.368.6529.381906 安卓最新版
v6.85.4321.514000 安卓漢化版
v6.505.9966.370380 安卓最新版
v2.35 IOS版
v6.510.4667 安卓漢化版
v8.588 安卓漢化版
v3.703.104 最新版
v8.980.9627.76136 PC版
v2.623.7949.396232 安卓漢化版
v3.845.3605.3998 PC版
v4.563 IOS版
v4.630 安卓版
v7.965 安卓最新版
v4.29.1953.927239 安卓漢化版
v1.553.8460 安卓免費版
v8.690.9389 安卓免費版
v6.451.7371.642168 安卓最新版
v9.655.6419.744258 PC版
v2.918.7878.252569 最新版
v3.485.2669 IOS版
v7.246 最新版
v2.476.9345 PC版
v3.185.6749.526463 安卓版
v7.659.2249.696792 IOS版
v8.891.9263.879001 安卓版
v8.753 安卓最新版
v9.136.8815.170477 安卓免費版
v6.787 安卓最新版
v7.732 安卓版
v5.935.5577 IOS版
v7.467.4836 IOS版
v7.799.4440.220356 安卓漢化版
v5.856 PC版
v1.473.4758.123642 安卓最新版
v2.50 IOS版
v7.180 安卓免費版
v1.379.658 PC版
v3.132.7609.199460 最新版
v8.272.9492.784642 PC版
v8.410.2545.928421 PC版
v9.431.5240.85788 PC版
v7.616.8567.548570 安卓版
v3.288 安卓漢化版
v3.38.7401.841492 IOS版
v9.446.9610 安卓免費版
v9.593.3760.295566 安卓最新版
v3.47.3830 PC版
v4.85 安卓免費版
v7.232.293.804697 PC版
v1.48.3090.930974 安卓漢化版
v4.729 IOS版
v3.524.5545 PC版
v7.787.8824.259616 PC版
v8.742.3501.644420 安卓漢化版
v5.348.9616 安卓版
v2.92.5598.144847 安卓免費版
v9.328.8481 PC版
v6.83.8396.763324 安卓免費版
v7.349.6648.41199 最新版
v2.967.9330.336747 PC版
v1.584.4076.269675 安卓免費版
v2.629.8333.876001 最新版
v6.870.9521.834438 IOS版
v7.22.3535 最新版
v3.65.1694 安卓最新版
v1.701.2994.796070 安卓漢化版
v2.843.9352.831653 最新版
v9.476 PC版
v9.748.1484.790575 安卓版
v5.384.1781 PC版
v9.646.8666.703089 安卓版
v3.554.7767.277818 最新版
v2.680.6424.589177 最新版
v1.919.5346 安卓漢化版
v7.190.3407.783611 安卓漢化版
v7.129.7498.290626 安卓免費版
v7.481.9465.458929 安卓版
v2.948.7128.510871 安卓版
v2.479.4890 安卓版
v7.321.2047 安卓版
亚洲欧美熟妇综合
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
国产一级A片一夜情毛片
亚洲一级在线观看
99在线视频免费观看
欧美性爱一级黄片免费在线
欧美 国产 日本 免费 另类
日韩欧美国产综合高清在线看
xxnxpor18
蘑菇视频 蘑菇
国产综合精品久久99之一
高清无码视频在线观看欣赏网
手机看片日韩你懂的
黄片久久免费
曰本黄黄网站WW
白丝脚交榨精
日韩无码免费不卡黄色视频
大乳荡奶婬妇乳欲蜜桃
欧美A片视频精品
人人色人人摸人人操
免费播放a片黄片三级片家庭生活
男人把大鸡巴伸进女人的鸡鸡
国产日韩一级在线观看