目今位置:首页 → 电脑软件 → 全红婵大哥鼓励妹妹全红婵陈芋汐包揽10米台金银 → 17.c.21.nom v5.26 安卓最新版
v8.254 最新版
v2.833.4006.310204 安卓漢化版
v7.893.5618 安卓漢化版
v4.992.2565.320856 IOS版
v4.798 安卓漢化版
v5.82.9847 安卓漢化版
v5.677.2717 安卓免費版
v7.459.8994 安卓免費版
v1.150.1412.525459 安卓最新版
v7.796.422.846869 安卓最新版
v7.604 安卓免費版
v2.703.7370 安卓漢化版
v6.110.750.997682 PC版
v1.607.562.25550 最新版
v5.949.215 安卓漢化版
v5.57.8999.784382 安卓版
v9.158.9024 安卓版
v3.649.2013.500865 最新版
v9.50 安卓最新版
v3.521.460.135531 PC版
v5.326 PC版
v5.53.8087.671884 安卓最新版
v3.984.3877.420899 PC版
v1.180.2316.291608 安卓免費版
v5.162 最新版
v8.279.575.247295 安卓免費版
v2.125.2123.407259 PC版
v9.284 安卓最新版
v4.639.2441.550074 PC版
v2.618.9821 安卓版
v5.104 安卓免費版
v6.921.49.507856 最新版
v8.452.922.317456 安卓版
v4.815.8180 安卓免費版
v2.886 安卓最新版
v6.110.566.569089 PC版
v9.834.8256.220329 最新版
v3.282.1680 安卓版
v9.863 IOS版
v3.453.3730.151695 安卓最新版
v4.21 IOS版
v3.826.8477 PC版
v7.409.6496.699621 PC版
v9.714 安卓版
v7.732.5707.65890 安卓最新版
v1.326.219 IOS版
v1.973.9343 PC版
v4.86.2174.608770 最新版
v1.117 安卓免費版
v8.147.5736 最新版
v2.39.1024.44111 安卓免費版
v7.678.740.941675 PC版
v5.269.1284.675367 PC版
v4.508.231.836412 安卓漢化版
v8.700.5299.121928 PC版
v3.806.5840.470086 安卓免費版
v6.488.1854 安卓漢化版
v6.175.4474 安卓最新版
v5.778 安卓最新版
v5.421.5830.32972 安卓版
v1.795.8529 安卓漢化版
v2.611 安卓漢化版
v5.155.4657.632909 安卓漢化版
v6.219.6734 安卓免費版
v7.592 安卓漢化版
v3.988.1178.766165 最新版
v3.446.9677 PC版
v4.163.7911.469416 IOS版
v6.53 最新版
v5.504.135 安卓版
v9.842.3814 安卓免費版
v1.540.4933 PC版
v8.760.2112.882666 安卓版
v4.997.2047 PC版
v3.483 安卓免費版
v7.335.5982.907516 IOS版
v8.527.2088 安卓最新版
v1.708 安卓漢化版
v3.538.5285.363470 安卓免費版
v9.412.2707 安卓最新版
17.c.21.nom
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
精品动漫AV在线无码
在线观看综合国产精品
亚洲色情a∨欧美伦妇
久久久久影响先锋
唐舞桐裸体被 自慰乳小说
国产网站av
黄色网站入口778
人人操人人干人人模
人人搞 人人人
黄网站色在线视频免费
十八女人毛片a毛片久久
chinese bondage新胭脂扣
欧美黄色视产免费看
男女插插插视频
小红书成人
少萝宝宝吃鸡巴在线观看
又粗又湿又爽午夜免费的视频
娇妻夹精给绿奴老公喝
黎深×你爽到疯狂潮喷漫画
国产乱伦刺激对白
陈美娇一敌七
HDXXXXHDVideos
永久免费网站毛片