目今位置:首页 → 电脑软件 → 在张杰演唱会听上西游记了 → 黄色AV中文字幕在线网址 v6.444.7794.794094 安卓最新版
v9.609 最新版
v2.569.6270.399572 安卓漢化版
v2.484.5345.664766 安卓最新版
v8.348.970.852117 PC版
v9.879.8168.896165 PC版
v1.517.8311.415549 安卓最新版
v2.454.313.802957 安卓免費版
v8.966.6200.68446 PC版
v5.903.1042 最新版
v2.203.8483.75255 安卓免費版
v6.884 安卓漢化版
v5.374.1714 安卓漢化版
v7.727.1399.585559 IOS版
v3.941.5094 安卓版
v8.614.7968 安卓版
v1.301.3656 最新版
v1.376.3877.576022 PC版
v5.160.9319.375804 安卓免費版
v4.317 最新版
v7.802.9384 安卓漢化版
v9.823 安卓版
v5.172 最新版
v9.676 PC版
v5.268.2899.618044 最新版
v9.428.2956.826253 安卓免費版
v4.732.359.434720 安卓版
v1.15.8084.526155 IOS版
v9.174.1830 PC版
v1.712.882.881047 最新版
v4.859 安卓最新版
v7.967.9805.45324 PC版
v6.429.6730.942615 安卓最新版
v9.458.2436.21929 最新版
v3.94.840.448282 PC版
v8.986 安卓漢化版
v7.754.3444.915374 安卓最新版
v4.177 IOS版
v4.310.7880.268618 PC版
v9.115.6458.560075 安卓漢化版
v6.987.7087 安卓漢化版
v2.371.7225.352214 安卓漢化版
v4.742.4249.570701 安卓版
v1.325.6724.471107 安卓版
v2.133 最新版
v8.339 安卓免費版
v9.926.1581.504049 安卓漢化版
v9.110.3646.772453 IOS版
v1.652.939.430449 PC版
v3.491.7276.69855 IOS版
v3.987 安卓版
v8.700.5961 最新版
v6.725.7913 安卓最新版
v7.491.6845 安卓最新版
v2.855 安卓版
v4.522.5633.203332 PC版
v2.774.635 安卓版
v3.759 安卓免費版
v7.43.8897 PC版
v3.826.6747 最新版
v3.417.7713.437364 IOS版
v5.892.1635.368342 PC版
v8.240.7909 安卓免費版
v2.275.5024.997069 最新版
v4.6.9820 IOS版
v9.763.4184 PC版
v5.220 IOS版
v5.382.7290 安卓最新版
v3.811.8612.670788 最新版
v9.519.6041.950482 安卓免費版
v9.948.3962.222948 IOS版
v4.332.5659 安卓版
v9.908.2590 最新版
v8.200.5266.570138 PC版
v6.266.2698 安卓免費版
v1.663.9538.794698 PC版
v1.958.1901 安卓漢化版
v7.914.9575 安卓版
v1.859.6800 安卓最新版
v3.630.5612.279060 安卓漢化版
v1.265 最新版
黄色AV中文字幕在线网址
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
久久精品国产一区二区免费欲色
欧洲a级毛片
丁香五月综合网
一插一出视频在线播放
中国一级A片AAA片
在线色区
国产一级99大片
黑桃社区id:1120.7126,10.29的背景信息
人人操操操人人插插插
婷婷五月在线一区二区
美女裸体秘 无遮挡挤奶
pornhub内板在线观看
男男裸体Gay猛交Gay超长视频
欧美人妻精品一区二区三区
超碰人人操酷酷网
黄色录像国产片
wwwjiujiu
国内偷拍 网站
国产黄色视频观看
马日女人遇AA
大龟慢慢挺进老师的花苞视频