v7.10 PC版
v4.203.2016.737738 安卓最新版
v6.414.114 PC版
v1.38.1580 PC版
v9.680.8505.314245 PC版
v8.647.6434.98588 安卓最新版
v7.490.7516.312176 最新版
v1.393.2635.651442 安卓漢化版
v3.617.5756 PC版
v9.997.9991.884581 最新版
v5.834.5349 安卓免費版
v6.728.4859.965698 最新版
v3.458.4998.310448 PC版
v4.413 安卓漢化版
v8.446.2963.984668 IOS版
v2.178.9869 最新版
v1.815 安卓最新版
v2.625 安卓免費版
v4.464.9356.166332 安卓版
v5.136.4346.944082 PC版
v8.752.1477 安卓漢化版
v6.512 安卓最新版
v2.721.9511 安卓漢化版
v4.140 安卓最新版
v4.591.224.565374 安卓版
v1.591 最新版
v9.118.1300.501967 安卓免費版
v1.998.305 安卓最新版
v8.427.4085 PC版
v1.254.5802.531932 最新版
v8.267.7526.4120 PC版
v7.938.1310.979145 安卓漢化版
v8.867 PC版
v1.554.8458.559985 安卓版
v2.746.8293.896638 PC版
v2.509.4420.440198 PC版
v6.86.8275 安卓版
v9.261.2604.669932 IOS版
v8.869.2224.962996 最新版
v9.316 PC版
v3.246.549.31685 安卓最新版
v6.829.9130 安卓版
v3.781.776 安卓最新版
v5.417.2472.416484 最新版
v2.649.3289.337100 安卓版
v4.892.9667.289847 IOS版
v7.520 安卓漢化版
v4.713.5359 PC版
v8.178.2642.604568 IOS版
v9.25.3643.550687 最新版
v7.210.8408.996713 安卓版
v5.406.5815.996129 安卓版
v5.4.505.73028 IOS版
v1.159.2756.149124 PC版
v3.15.3336 安卓免費版
v2.585.5808 IOS版
v1.281.2240.424573 IOS版
v5.195 PC版
v4.1.9083.933996 安卓漢化版
v1.578.1226.823788 安卓漢化版
v2.414.4140 最新版
v4.731.5882 IOS版
v3.30 IOS版
v7.635 安卓免費版
v8.629.2734.979858 安卓最新版
v9.30 PC版
v1.523 IOS版
v7.983.1839.783299 最新版
v2.109.1938 安卓版
v4.223.1552.897884 安卓免費版
v9.508.3683 安卓最新版
v7.854.7413.12259 安卓最新版
v1.565 最新版
v4.336 安卓最新版
v2.833 安卓免費版
v6.398.6728.50532 IOS版
v7.777.7921 PC版
v5.360 IOS版
v7.306.4512 安卓最新版
v5.155.1280 PC版
免费视频在线观看爱
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
91偷拍亚洲精品
人人爽人人操人人爱
自慰国产
v黄片我操你
AV漫画
欧美操逼逼
www.538在线观看
海贼王汉库克比翼鸟
超碰超碰超碰超
2000xxxx在线观看
国产精品久久久久久久久无码
欧洲福利视频
在线看18禁网站
国产又爽又粗又硬又适应
国产精品黄色在线播放
丝袜美女操逼视频
黄色网站影院在线免费观看十八岁以下勿进
变态调教羞辱贱奴奶头视频网站
欧美日韩视频在线免费观
国语对白国产精品一区
男人日怀孕女人网站
无码黄片小视频
小 伸进 91(
毛片色片
久久特黄免费视频
黄色毛片1级网站2000
多根大粗鳮巴r人妻