目今位置:首页 → 电脑软件 → 男子入职1月被口头辞退工资一分不发 → 8888视频国产www v6.826 IOS版
v7.655.1382 安卓最新版
v9.378.7209 PC版
v8.541 安卓漢化版
v6.659.4244 安卓版
v8.723.9657.525635 最新版
v6.511.8083.468465 安卓免費版
v3.842.6645.867178 安卓版
v8.590.9016.941548 最新版
v7.777 安卓免費版
v7.472.4493.615357 PC版
v5.732.5508.171032 安卓免費版
v8.572.4131.935610 安卓最新版
v6.560.355 IOS版
v2.462.1758.112199 安卓免費版
v2.716.1385.737114 安卓漢化版
v1.579.1454.855339 IOS版
v8.379.3949.487137 最新版
v8.827.9346.889980 安卓免費版
v3.537.5105.303318 安卓最新版
v3.963 最新版
v6.202.9436.103089 PC版
v1.696.1487 安卓漢化版
v6.167.4775.444078 安卓版
v3.135.9861.136914 安卓最新版
v2.690 安卓免費版
v4.387.1020.431565 最新版
v4.510.6135 IOS版
v8.380.4780 安卓免費版
v5.771.7410.40741 PC版
v5.742.8614.780166 IOS版
v7.347.7145.317960 PC版
v2.918.9625.264915 安卓最新版
v4.843 最新版
v5.891.1087.683688 安卓最新版
v1.739.2982 安卓免費版
v6.122.7830.180617 安卓版
v6.561.5657 最新版
v7.643.9395.131179 安卓最新版
v3.68.5220.904995 IOS版
v6.643 安卓免費版
v5.206.6252.14238 PC版
v3.522.8338 最新版
v9.485.8257.255178 安卓最新版
v1.177.4541.503292 PC版
v5.38.5086 PC版
v2.131.5957.604909 PC版
v7.305 安卓免費版
v9.672.6168.172796 IOS版
v2.153.3303.149864 安卓免費版
v2.131.7141 安卓最新版
v5.26.8233.278304 安卓漢化版
v5.123 安卓最新版
v7.793.6552 安卓漢化版
v9.82.5816.360362 安卓漢化版
v1.370 PC版
v1.359.2600 最新版
v9.743.2976.305813 安卓漢化版
v8.404.929.946366 PC版
v1.142.1067.92828 IOS版
v2.166 PC版
v6.972.4413 安卓最新版
v1.983.259 安卓漢化版
v7.218 安卓最新版
v1.207.5865.875786 PC版
v3.486.6726.999850 PC版
v1.222.6009 安卓版
v4.375.2948.96470 安卓最新版
v7.975 安卓免費版
v1.74 最新版
v2.156.3489.397400 PC版
v7.469 IOS版
v1.113.2878.857762 最新版
v4.512 安卓版
v8.896.3131 安卓漢化版
v7.895.957.461970 安卓最新版
v1.411.1410.372157 最新版
v9.581.6216 安卓最新版
v1.559.1765.439585 安卓版
v2.333 PC版
v3.108 安卓最新版
8888视频国产www
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
内地自拍偷拍视频精品
日本妇人成熟a片一区二区三区
成人免费视频 孕妇我要手
手抓欧派
中国体育生屁眼太紧了军警gay
国产一级视频播放
jlzz在线观看免费
亚洲欧美日韩国一区二区
免费人成A片免费观看
在线免费观看一级片
天堂AV旡码AV毛片免费
萧萧被扒开腿灌满白浆
A日韩一区
亚欧色欲影院
小 伸进 3D
库拉拳皇本子
五月天去色色
中文字幕o美
另类文学国产二区
火影忍者18禁
成人版黄瓜视频做爱多水丝袜
亚洲国产无码视频
色欲日本又色又爽又黄的A片