目今位置:首页 → 电脑软件 → 林诗栋3比1林昀儒进四强 → 人人摸人人搞人人 v1.434.5202 安卓最新版
v2.613.5342 IOS版
v4.321.373.878199 安卓漢化版
v2.927.4465.133417 安卓最新版
v9.520.8180.251857 PC版
v3.440 安卓漢化版
v9.455.6435.838021 IOS版
v3.478.8928.247215 PC版
v8.317 安卓版
v5.134.4294.293659 IOS版
v9.981.4105 安卓漢化版
v9.468.8200 安卓版
v2.534 安卓版
v8.426.6895.131921 PC版
v3.663.849.407999 IOS版
v4.20.9281 安卓漢化版
v9.641 PC版
v1.958.7780 IOS版
v2.111.9207.490116 最新版
v2.631.6179.921778 PC版
v5.506.527 安卓最新版
v2.416.1348 安卓免費版
v8.735.2400 最新版
v8.684.3054.594885 IOS版
v7.555.5372.140372 安卓漢化版
v9.864.3978.44174 最新版
v4.532.1448.343112 安卓漢化版
v9.180 安卓免費版
v1.148 安卓版
v8.86.4234.560539 安卓免費版
v2.91.9901.650047 安卓漢化版
v6.0.9307.272085 安卓免費版
v9.501.9511.71998 安卓免費版
v2.957 安卓免費版
v2.555.6446.653667 安卓最新版
v4.379.1374.882773 安卓最新版
v2.278 安卓最新版
v1.286.8493.173256 PC版
v6.559.6434.343880 安卓最新版
v1.522.1556.243595 安卓版
v4.509 安卓版
v7.501.3624 最新版
v7.343.1679.488719 安卓最新版
v2.67.436 安卓版
v8.310.2533.187023 最新版
v2.735.550 安卓版
v4.613 IOS版
v3.436.2166 安卓版
v3.648 安卓免費版
v8.970 安卓免費版
v4.100.7862.105369 安卓免費版
v6.375.9840 安卓最新版
v3.247.9681 PC版
v7.285 最新版
v4.477.3126.97789 IOS版
v8.804 安卓最新版
v9.432 PC版
v1.637.9408.231528 安卓漢化版
v9.359.4490.600237 最新版
v7.572.2743.518014 安卓版
v3.41 PC版
v6.840.7623 安卓免費版
v6.847 安卓免費版
v1.574 安卓最新版
v1.995 安卓版
v7.922 安卓版
v3.34.50 安卓最新版
v5.367.4176.626054 最新版
v5.369.8452 最新版
v2.903.6309 安卓漢化版
v8.923.4018.419644 IOS版
v5.58.4160 安卓版
v3.963.9912.398339 PC版
v6.884 安卓漢化版
v3.911.2363 最新版
v5.819.291 安卓漢化版
v3.163 最新版
v7.338.6876.425290 PC版
v5.25.5117.88172 安卓最新版
v4.796.8473 IOS版
v8.505.397.240217 IOS版
人人摸人人搞人人
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
xnxnxn免费视频
亚洲欧洲精品中文字幕在线
妓女妓女网
by12777·coon免费观看电视剧
宝宝握住它坐下自己动头文轩
人人干人人摸人人做
老逼狂草
小 伸进 软
日本AAA网站
国产精品98福利小视频
立足于美利坚大香蕉
avA片在线免费观看
免费AⅤ大片免费
国产无码乱伦视频
一级α片
黄品汇app官网导入资源
超碰不卡毛片
亚洲色图27p