目今位置:首页 → 电脑软件 → 三十年前的羽绒服比我穿的潮 → 永久免费无限看黄网站 v7.475.1061 安卓漢化版
v9.903.6229.954238 安卓漢化版
v9.550.9445.588749 最新版
v3.969.126 安卓免費版
v5.714.393 IOS版
v6.809.4650.691421 安卓免費版
v4.703 最新版
v4.795.2934.327067 最新版
v2.283.4230.417550 IOS版
v6.358.39.649957 安卓最新版
v2.252.1209.817060 安卓免費版
v6.631.7575.331066 最新版
v3.583 安卓漢化版
v2.553.4158 安卓免費版
v7.207.317.592083 安卓免費版
v7.505.8500.685711 PC版
v7.258.7707.369416 安卓免費版
v1.776.4611 最新版
v9.904 安卓漢化版
v4.854.8046.57227 最新版
v1.955.5691.96584 安卓最新版
v2.470.740 IOS版
v3.546.3047.667986 安卓最新版
v4.191.8491.918580 安卓版
v2.950.5692 安卓免費版
v7.416.3159 安卓最新版
v7.844.2180.963520 安卓漢化版
v2.690.7287 安卓漢化版
v4.236.236 安卓最新版
v6.850 安卓版
v5.215.1230.253954 安卓漢化版
v7.386.7941 安卓最新版
v5.574 最新版
v7.162.7098.712274 IOS版
v4.550.1290.756046 最新版
v6.271.1753.618496 IOS版
v6.488.1965.58923 最新版
v2.5.5397.467761 IOS版
v8.701 安卓免費版
v2.934.3070.141632 安卓版
v2.789 安卓免費版
v6.762.1797.577559 安卓版
v9.774.4537 安卓版
v2.952.1558.222233 安卓版
v2.497.3104 PC版
v9.548.276.251325 PC版
v6.683.9328.656119 安卓版
v2.789 PC版
v2.613.4144.952429 安卓免費版
v8.124.6717 最新版
v9.938.1170 安卓最新版
v2.125.3458 PC版
v8.978.2749.781604 IOS版
v4.498.6759.669915 安卓版
v1.43.3770.809637 最新版
v5.350.9178.806973 安卓免費版
v9.456.3302.177823 IOS版
v7.986.4436 IOS版
v5.821.8085 IOS版
v1.287.2362.403231 PC版
v4.605 最新版
v5.138.1966 安卓版
v3.309.1136.233878 安卓漢化版
v1.57.1501 安卓漢化版
v3.377.2047.484890 IOS版
v1.258.8062.609543 安卓免費版
v4.503.499.363883 PC版
v1.576.2836.853194 安卓漢化版
v2.171.7199.145504 安卓最新版
v4.954.3428.982226 安卓免費版
v7.730.5228.996220 IOS版
v2.942.5362.168054 最新版
v2.599.4793 安卓版
v2.137.4138.488080 最新版
v4.890 IOS版
v9.237.87.977157 安卓最新版
v7.532.6018.805495 安卓最新版
v3.334.2634.565409 最新版
v7.74.8692 PC版
v7.940.3400.383540 安卓最新版
v8.122.1284 安卓最新版
永久免费无限看黄网站
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
欧美二超级乱婬视频播放
国产农村妇女野外交性
在线A视频一级视频免费观看
色亚洲插插
永久黄网站色视频网站免费
一级欧美一级日韩黑妇管网伊人2018
六年级女生蹭桌角图片大全
国产电影免费进入
520886moc美国版免费
添干插
717电影网理论片我不卡
中文字幕无码毛片免费看
吻胸软件
黄色综合网址
800aⅴ免费观看全部网站
军人互摸jiji秘 隐私视频
国产宾馆服务员按摩养生三级
秦彻居居图片
天堂av伊人网在线
www成人
火影照美冥强 乳喷自慰爽
xxxxx在线性爱视频
nahida 18+
18岁禁在线免费观看
欧美操逼顶交片
打屁股男同捆绑网站
国产偷玩农村老妇女视频
小南娘被操到
肏屄在线观看国内
国产一区二区综合黄色
久久99热这里只有精品91
欧美三级片视频