目今位置:首页 → 电脑软件 → 十个勤天推荐的家乡特产全是吃的 → 人成免费 v5.787 PC版
v7.516 安卓版
v7.691.1467.19885 安卓版
v4.700.1192 IOS版
v6.389.3473.526371 最新版
v1.565.6755.499066 PC版
v9.476.4919.211508 PC版
v5.316.2147.837370 安卓版
v8.326 IOS版
v3.357 安卓版
v1.71.1810 IOS版
v8.630.6039.327694 PC版
v9.473.1278 安卓漢化版
v1.231.6702.930402 安卓免費版
v1.625 安卓漢化版
v3.641 安卓免費版
v3.454.9013.671671 安卓版
v9.382 安卓版
v2.103.9412.165240 最新版
v3.452.718 安卓版
v7.975 最新版
v2.53 安卓最新版
v3.808.8927.242867 安卓免費版
v8.55.4863.336367 最新版
v6.105.2438.992534 PC版
v6.386.2411.156287 安卓漢化版
v1.375 安卓版
v2.557.8187 IOS版
v1.61.3077.358139 安卓最新版
v5.328.6199.454271 安卓版
v7.997.8751 安卓免費版
v4.79.4992.607325 PC版
v8.965.8035.536977 PC版
v2.197.1193.899384 安卓免費版
v8.474.809.715047 安卓免費版
v6.882.5146.486631 安卓免費版
v8.350.635 最新版
v8.626.3460 IOS版
v3.996.1625.25539 安卓版
v5.926.3941.650733 安卓漢化版
v1.101.3790.539700 IOS版
v1.630.8987 PC版
v6.450.8745.365733 PC版
v2.375.4261.71605 安卓版
v1.460 安卓漢化版
v5.246.5519 安卓免費版
v7.236.2144.133531 IOS版
v3.619.8705 安卓免費版
v9.393.5852.870607 安卓最新版
v1.506.2713 安卓漢化版
v5.265.4027.282580 安卓漢化版
v9.310.1795.438004 安卓版
v1.106.7069.743641 IOS版
v2.316.5110 IOS版
v5.298 IOS版
v8.95.7292 安卓最新版
v7.903 最新版
v8.605 PC版
v9.537 安卓版
v4.259.1586.735769 安卓版
v7.445.7680.126899 安卓版
v6.381.2589.789827 安卓免費版
v6.276.1849.750022 安卓漢化版
v6.735.2436 PC版
v5.729.5103 PC版
v2.299.5627.994836 IOS版
v8.492 PC版
v5.184.907.171087 IOS版
v1.483.846.350565 IOS版
v9.318 安卓漢化版
v9.650.852.263538 安卓最新版
v3.320.7406 最新版
v3.295 安卓最新版
v2.257 安卓版
v4.897.2828.688318 PC版
v3.648.3839 IOS版
v9.711.7061.324721 安卓漢化版
v7.625.8688 安卓免費版
v1.979.9405 安卓最新版
v5.361.2610 安卓最新版
v9.594.4696.679485 安卓最新版
人成免费
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
69亚洲
比基尼18
男女性生话一级猛片
欧美日本自慰
www小视频在线观看
亚洲一区二区毛片免费在线观看
操 插 干
九九九九九色视频在线观看
黄片试看99
七七九九色色,,
成在线人永久免费视频播放品尚网
啊疼慢点视频
亚洲 欧洲 日韩 AV
白白布布白白最新资讯
久久亚洲性爱视频
五十路近亲相尾电影
美女裸体黄色免费网站
午夜激爽免费毛片
性生大片免费观看网站
全国免费激情网
天天搞天天日天天干
AAA级黄色視頻
赵露思被 c 黄扒衣服电影
日韩欧美一区中文字母视频
成人无码www免费视频男男