v9.22.3811.632067 安卓漢化版
v2.82.5115.413395 最新版
v4.533.5425.251460 安卓免費版
v2.400.2567.400008 安卓漢化版
v3.732.8035.934872 安卓版
v3.392 安卓版
v2.909.8089.785545 安卓版
v8.701 安卓漢化版
v2.83.9678 安卓漢化版
v9.329 安卓漢化版
v3.293.6603.210125 安卓最新版
v9.855.5078 PC版
v2.141.3093 安卓漢化版
v3.212 安卓版
v5.299.4612.668102 安卓最新版
v6.144.2143.668736 最新版
v3.443.3869.389454 安卓漢化版
v1.555 最新版
v2.755 安卓最新版
v5.175.7739 安卓免費版
v8.572.462.277427 安卓漢化版
v3.918 安卓漢化版
v8.926 安卓最新版
v3.0.747.27480 最新版
v2.853 最新版
v3.37.8335.34247 最新版
v7.282.9555.356606 安卓最新版
v6.51.6450 安卓版
v5.621 IOS版
v8.670 最新版
v6.748.5543.335171 安卓最新版
v3.318.6778 安卓最新版
v5.264.774 PC版
v5.999.1517.512296 安卓漢化版
v1.699.789 IOS版
v8.287.6839.72726 安卓版
v2.87.3431.490778 安卓版
v4.468.213.117924 PC版
v7.977.2525.145561 PC版
v7.88.6187.517641 安卓最新版
v2.326 最新版
v9.600.8618.793686 PC版
v7.389.7467.787989 IOS版
v1.41.2232.157681 IOS版
v5.732.7005.604469 最新版
v7.539.3120.185676 安卓漢化版
v3.889.3948 安卓最新版
v2.301 安卓版
v1.529.7876.781500 最新版
v2.11.7976 IOS版
v5.534.8520.23232 PC版
v6.964.216 安卓版
v5.579 PC版
v7.681 最新版
v5.304 安卓免費版
v2.349.5773.653102 安卓版
v8.901.7857.596423 安卓免費版
v4.117.9577 安卓版
v8.433 PC版
v6.183.3855.420920 最新版
v9.461.6898 安卓免費版
v4.246.7405.123215 安卓免費版
v1.451.5147.53673 安卓免費版
v4.96 PC版
v3.348 IOS版
v9.535.4403 安卓免費版
v6.983.9161 安卓免費版
v5.464.4272.294913 安卓漢化版
v5.281.625.129715 安卓漢化版
v2.31 PC版
v5.625 安卓免費版
v4.301 安卓漢化版
v5.750.1143.3230 最新版
v2.81.8784.185687 IOS版
v3.926.1425.280932 安卓漢化版
v2.105.5287.718500 最新版
v5.204.6515.352564 PC版
v7.832.490.729328 IOS版
v9.631.4936.691309 IOS版
v2.942.7514.941045 安卓免費版
东北一级毛片
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
伊人网站
鸥美特级黄色片
人妻少妇精品无码专区二区
美女露奶
国语嫖妓普通话对白
女人18毛片A级毛片久久
古代全族亂輪黃h
偷a拍a国a产a精a品a自a拍
免费 无码 国产在线
欧美日韩性爱A片
亚洲婷婷五月
藕饼双龙根下
熟女采集
69国产丝袜熟女
人妻猎人韩漫未删减版
无码系列
色七七桃色综合
胸前两个球球曝光
www.一级免费网站
色哟哟网站视频在线观看入口网址
黑人狂躁中国女人
欧洲熟妇的性久久久久久
斯嘉丽被 超污网站
扒开腿灌牛奶拏调教谢俞