v2.449.4891.649361 安卓漢化版
v5.839.2198 安卓版
v2.108.1650 PC版
v3.263 安卓最新版
v1.841.6669.592578 IOS版
v5.626.8548 安卓版
v8.742.9243.697312 安卓版
v7.272.8607 PC版
v2.195.6199.763004 PC版
v6.817.841.528768 安卓最新版
v1.312.9551 PC版
v4.135.4089 安卓免費版
v9.290.3638.586996 最新版
v2.956.8756.47772 PC版
v4.563.3815.896965 安卓免費版
v6.980 安卓漢化版
v6.119 安卓最新版
v6.103 安卓漢化版
v4.193 安卓版
v5.739 PC版
v5.761.593.704443 安卓最新版
v4.447.256 安卓免費版
v3.327.690 安卓最新版
v2.420.4383.35330 安卓免費版
v2.260 最新版
v6.286.1237.412036 安卓最新版
v1.481.5042 IOS版
v2.629.3828 最新版
v7.983 最新版
v8.123.464.286798 安卓漢化版
v9.593 安卓版
v8.821.9174 IOS版
v1.998.7470.578439 安卓免費版
v5.876 PC版
v3.908.6150.495873 最新版
v5.142.501.685247 安卓版
v9.93.8353 安卓漢化版
v6.188.4792 安卓最新版
v5.821.55.918209 安卓漢化版
v1.269 PC版
v7.785.8860.408136 安卓漢化版
v3.0 安卓版
v4.190 最新版
v5.361.3619 安卓免費版
v3.135.9239 最新版
v2.326.3541.364222 IOS版
v8.558 PC版
v3.406.643 安卓漢化版
v2.254.4328.211514 PC版
v8.600.4223 安卓免費版
v1.305.6108.374772 安卓免費版
v5.717 安卓漢化版
v5.232.3181.428116 最新版
v5.990.8078.651773 安卓漢化版
v6.82.4016.200284 PC版
v5.252.931 安卓漢化版
v6.84.1152.597085 安卓最新版
v4.436 安卓漢化版
v2.555 PC版
v2.116.5557.654581 PC版
v3.898.5165.575504 安卓漢化版
v4.965 安卓免費版
v6.898.5423.869483 安卓版
v1.843.4029.471948 IOS版
v9.677.601.929290 安卓最新版
v5.110 安卓最新版
v4.360.2561 安卓漢化版
v1.311.6072.271616 安卓版
v1.266 PC版
v7.330.1795 IOS版
v2.322.5025.550006 安卓最新版
v5.799.3877 IOS版
v1.648.2492.576434 安卓免費版
v8.881.2495.90304 IOS版
v7.377.49.524852 最新版
v6.298.3712 PC版
v1.940.7485 安卓免費版
v6.859.2491.682812 安卓版
v1.748.4955.813231 安卓漢化版
v7.423.7918.473363 安卓免費版
xaxwaswaswasxilxilxkino91
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
日本黄色性爱视频啊
免费性爱视频欧美
FerrPorno78馃崋馃崋
亚洲色情a∨欧美伦妇
黄色香蕉一级Av
适合影音先锋的网站
欧产国产韩产
jizzzzz
日日日日日操
90后性交网
国产a片区
欧美 日韩 囯产性生活高清
黄色视频a片欧美
你懂得在线观看网站
恋爱回收站丹尼斯
欧美日韩在在线视频
你懂得黄色网站
国产色哟哟免费入口
黄色人人色黄色片
口交免费看视频
米塔r18
性人久久久久
91资源在线观看免费