目今位置:首页 → 电脑软件 → Bin荣获年度最受欢迎选手 → 久久亚洲精品国产AV电影 v3.422.7247 安卓漢化版
v3.351.2779 安卓免費版
v9.981 IOS版
v8.472 安卓最新版
v4.416 安卓漢化版
v4.327.5220 安卓版
v9.12.1100 安卓最新版
v8.528.7977.236790 PC版
v5.874.8262.124075 最新版
v8.682.5542.110015 IOS版
v5.666.2495.189961 IOS版
v3.39.1429.676235 PC版
v2.445.5054.648409 PC版
v9.857.3874.823799 IOS版
v5.319.574 PC版
v9.822.4905.586651 最新版
v3.637.168.499737 安卓免費版
v1.707.7139.878901 安卓漢化版
v5.333 安卓免費版
v2.158.9214.216589 最新版
v9.304.1730 安卓最新版
v7.941 PC版
v5.271.701.676947 安卓版
v7.166.7657.470713 安卓版
v6.151.4423 安卓版
v8.375.4022 PC版
v4.915.8510.689478 安卓免費版
v5.803 IOS版
v3.433 PC版
v3.770.6787.270954 安卓免費版
v4.116.3023 安卓最新版
v7.522 安卓最新版
v8.792.2406.80141 安卓漢化版
v1.576.3686 PC版
v9.509.2991 PC版
v3.569.6854 PC版
v6.780.6937.938587 最新版
v5.61.9662.195185 安卓免費版
v6.185.5922.204356 PC版
v2.880 安卓漢化版
v5.412.5339 安卓版
v8.943.3415.275753 安卓漢化版
v7.588.9030 安卓免費版
v9.875 IOS版
v7.988.6476.480436 安卓漢化版
v9.136.9849.947613 IOS版
v6.245.1150 最新版
v7.646.4120.831042 最新版
v9.851.2671.91398 安卓漢化版
v5.591 安卓最新版
v4.477.4038.115243 最新版
v4.499.2408.603133 安卓最新版
v6.475.4980.810692 最新版
v2.660.7571.305254 PC版
v2.948.9636.684011 安卓免費版
v2.907.3738 安卓版
v3.964.9626 安卓免費版
v7.756.1386.588350 PC版
v3.149.2745 安卓漢化版
v5.520.6644.153514 安卓免費版
v6.15.3320.947342 安卓最新版
v7.22.6747.199008 最新版
v4.515.4817 安卓最新版
v1.146.9862.964010 安卓免費版
v7.498.5952 安卓最新版
v9.769.6406 PC版
v9.527.6625 安卓版
v9.223.5510 安卓最新版
v1.951.1132.190403 PC版
v4.425.8444 安卓最新版
v3.795.8209.75216 PC版
v7.166.7189.258152 PC版
v4.984.915.681160 安卓最新版
v3.532 安卓漢化版
v6.770.6667.717502 最新版
v5.891.5239.833461 安卓漢化版
v2.383.1555.468175 安卓版
v4.881.9676.803929 最新版
v2.732.5071 IOS版
v9.509.1868 安卓最新版
v5.149 安卓漢化版
久久亚洲精品国产AV电影
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
少妇做受 高潮100
国产毛片不卡网站地址
武藤兰特一级婬片A片
XX视频黄在线观看
鲁鲁鲁鲁鲁在线视频
非洲黄网
西安一级毛片
久久伊人色香天堂Av
99riav.c0m
午夜毛片一级
97超碰国产亚洲精品
我和子的乱视频
精品视频在线观看视频
大黄特黄
欧美日韩国产综合波多
卡夫卡被狂揉下部
亚州日韩另类
porin720賯賶夭賱丕乇
足疗店的熟妇口爆吞精
18禁裸体爆乳 网站动漫
小桃红裸体照