v6.267.4934 IOS版
v3.146.5418.221620 IOS版
v7.409.2007.207317 安卓最新版
v4.285.7276.93957 PC版
v4.61.1982.566710 IOS版
v5.547 最新版
v2.20.2339.980693 PC版
v3.486.4592.429021 安卓最新版
v6.861.9715.443397 安卓版
v6.290.37.270720 IOS版
v5.796.580 最新版
v5.989.6817 最新版
v2.794.5956.591579 PC版
v7.145.5451 最新版
v9.917.3892 安卓漢化版
v7.149.551.465391 PC版
v3.108.4002 安卓版
v5.991.3723 安卓最新版
v3.765.6999 安卓最新版
v2.515.4477.507602 安卓最新版
v5.792.6277.194228 IOS版
v9.906.2622.223353 安卓免費版
v2.176.2530.93049 PC版
v2.447.3229.993959 安卓漢化版
v2.472.5715 IOS版
v7.446.8903.118763 最新版
v7.692.7298 安卓最新版
v8.495.5428.151046 PC版
v7.282.6385.503324 IOS版
v1.550.2833.306273 安卓免費版
v6.47.1573 PC版
v5.460 安卓漢化版
v2.406.2151 安卓漢化版
v7.908.6991.700691 安卓最新版
v4.747.349 安卓免費版
v5.279.4465.567551 IOS版
v2.163.1803.902846 安卓漢化版
v1.136.874.167374 安卓版
v3.692.1703 PC版
v4.698.4659.805191 安卓免費版
v9.833 PC版
v5.512 IOS版
v2.911.3667.577094 安卓最新版
v9.814 安卓最新版
v7.727.5998.708315 安卓免費版
v2.626 IOS版
v9.915.6048.473684 PC版
v5.548.6586.673578 安卓版
v3.516.1711.757590 安卓免費版
v9.832.2981.350125 安卓版
v8.479 安卓漢化版
v9.513.1131 IOS版
v3.540 安卓漢化版
v4.177.7028 安卓免費版
v4.289.6150 IOS版
v9.422 最新版
v6.35 安卓免費版
v1.221 安卓免費版
v3.43.5888 PC版
v9.880 PC版
v4.423 PC版
v4.3.637 最新版
v9.828.3821.636693 安卓版
v3.229.8432.975693 安卓最新版
v8.709.1534 最新版
v1.858.3122.956604 安卓版
v8.810.1708.400765 安卓漢化版
v7.60.6938.74023 IOS版
v2.851.7165.673057 安卓版
v9.214.7881 安卓漢化版
v8.135 PC版
v7.666 安卓免費版
v1.663 安卓漢化版
v3.998.395.520387 安卓最新版
v8.975.8661.932752 安卓免費版
v9.519 安卓最新版
v1.220.3782.324210 IOS版
v9.7.5565.995891 PC版
v2.505.187 安卓版
v1.320.4815.713448 PC版
猎奇9.1免费下载安装
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
久久久久久久久久一级
全免费午夜一级毛片人
久久91
国产一区二区毛片
日韩黄片小视频大全
91华人偷拍视频
精品视频在线精品视频在线
免费黄色网站一级片
一级做黑人a爰片久久毛片A片
日韩干干插
3p视频在线观看
摇篮之卵安卓版下载
r34荒野乱斗
A片免费看视频
AV黄页
国际自拍偷拍视频
别告诉妈妈MaMa下载
国偷自拍视频在线高清洲精
IPx-557
淫插视频一区二区三区
在线观看黄视频国产亚洲
91啪在线观看
美女被操到喷水,黄色网站