v7.920.8534.971454 PC版
v7.923.622.770178 安卓最新版
v4.969.2470.655163 IOS版
v3.58 安卓最新版
v4.857.4460.610763 安卓漢化版
v8.228.406.818394 IOS版
v2.484.5895.584733 IOS版
v3.805.2060.602666 安卓漢化版
v6.834.2270.203273 安卓漢化版
v8.387.8453 安卓漢化版
v7.203 安卓最新版
v6.603.4832.688212 安卓版
v3.810 PC版
v7.579.5714.939826 最新版
v1.410 安卓版
v7.619 安卓最新版
v8.332 安卓版
v6.726.543.793680 最新版
v3.430 安卓漢化版
v8.477.739.459332 安卓最新版
v7.207.4400.41055 IOS版
v5.701 最新版
v5.463.2237.728297 安卓免費版
v7.516.892 PC版
v3.365.6906.152678 最新版
v7.398.3344.319909 安卓漢化版
v4.44.2539.37489 安卓最新版
v1.211.2065.854301 安卓版
v3.207 安卓漢化版
v6.189.5941 PC版
v3.3.2552.241085 安卓漢化版
v6.609 安卓漢化版
v9.585.5340.181195 安卓免費版
v3.689.5302 安卓漢化版
v8.999.2776.949415 最新版
v4.501.7364 安卓免費版
v4.282.3980.271199 安卓漢化版
v2.54 安卓版
v4.432.8754.792733 安卓免費版
v4.919.2999.21050 安卓最新版
v1.973.5509.397229 安卓最新版
v4.137.6636 安卓免費版
v9.153 最新版
v4.808.1226.310399 安卓免費版
v8.823.5397 安卓漢化版
v1.947 IOS版
v9.419 最新版
v1.865.8529.970382 安卓免費版
v8.303.3251.471903 安卓最新版
v9.547 安卓漢化版
v8.971 安卓最新版
v1.791.1176 PC版
v6.979.4118 最新版
v6.706.9339.891801 安卓漢化版
v4.615.2441.944101 最新版
v8.408.1919.780729 安卓版
v3.602 IOS版
v2.933.6926 安卓最新版
v8.420.1818.635636 最新版
v9.677.2566.72574 安卓免費版
v1.851.9666 PC版
v2.336 安卓免費版
v1.498.2333.269516 PC版
v3.866.7170 安卓漢化版
v4.210.7816.187609 安卓免費版
v3.32.1334.794116 安卓免費版
v3.365.1784.641423 安卓漢化版
v6.844.5334.21682 最新版
v9.54.4176 安卓版
v7.803 IOS版
v6.219.8958 安卓免費版
v6.273.5306 安卓最新版
v9.348.5144.161099 最新版
v4.428.683.825574 PC版
v6.419.6818.470210 最新版
v5.757.629.685999 最新版
v7.899.7262.614647 安卓漢化版
v6.850.6526.228713 PC版
v4.903.6918 安卓版
v4.998.7894.290483 安卓漢化版
小蓝gtv官方入口
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
黄色网站色视频免费观看
别舔骚逼了,受不了,要大鸡吧操
图片小说中文字幕
26uuu欧美杂交
欧美a级电影
亚洲激情视频网
欧美色图日韩色图
实践 拍击 视频
97在线无码精品秘 入口国庆
为所欲为漫画下拉式免费阅读下拉式快看最新章节
最新黑人精品视频专区www3
日韩一级啪啪
黄片视频免费。
九九出精品
日本最色视频不卡
亚洲色情综合久久久久久
男生的 放男生的屁股
亚洲美女在干嘛观看全球美女私生活电影及三级片
男女做插孔的视频
美国潢色片AAAwWwA