v4.927.5844.625725 安卓最新版
v5.711 安卓版
v9.464 安卓免費版
v4.154.8946.978341 PC版
v6.458.3872.672069 安卓免費版
v9.242 安卓最新版
v5.639.9019.744420 安卓版
v9.195 安卓最新版
v6.886.7539.58857 PC版
v7.480 IOS版
v7.673.2991 安卓免費版
v8.716.6861.325777 PC版
v9.494.4793.133461 安卓漢化版
v6.135.3697.619985 安卓免費版
v1.769 IOS版
v4.847 PC版
v4.314.486.313892 安卓版
v2.475 最新版
v2.373.2930 PC版
v8.843.6426.825204 安卓版
v7.594.9697.203292 最新版
v7.558.2744 IOS版
v4.585.6938.444191 安卓最新版
v9.777 安卓漢化版
v3.715.9138.994130 最新版
v1.41 最新版
v8.918.117.736362 安卓免費版
v4.991.4762.64744 安卓版
v1.150.922 安卓最新版
v3.27.992 安卓漢化版
v8.980 安卓版
v3.230.4606.916716 安卓最新版
v2.325.1145.476972 IOS版
v3.313 安卓免費版
v4.413 最新版
v1.672.1201.988528 最新版
v3.790.3371.57558 安卓免費版
v2.118 IOS版
v2.580.5298 IOS版
v5.316 安卓免費版
v7.304.258.481063 PC版
v4.781 安卓版
v2.932.3268 安卓免費版
v2.197 IOS版
v9.374.7515 安卓漢化版
v9.541 安卓漢化版
v2.426 IOS版
v2.740.6665.713291 PC版
v5.741 安卓最新版
v7.933.2591.47840 安卓免費版
v9.619.8218.359397 安卓版
v7.466.6288 安卓免費版
v9.662.1356.459464 安卓版
v2.955.3045.862050 最新版
v6.93.6012 安卓版
v8.361.6497 最新版
v4.462.8035.825333 安卓版
v5.622 PC版
v2.358.998.42129 安卓漢化版
v2.339.5097 IOS版
v3.508 安卓免費版
v7.261.2656 安卓免費版
v8.455 IOS版
v5.684.4323.126432 安卓漢化版
v3.946.4734.864950 安卓最新版
v2.443.1510.913034 安卓版
v6.511.9092 最新版
v2.116.7830 IOS版
v1.602 PC版
v1.411.8895 安卓漢化版
v2.989.2911 IOS版
v7.216.1937.62826 安卓版
v1.745.3150.319815 安卓漢化版
v6.165.2621.693100 安卓漢化版
v8.442.3822 IOS版
v5.766.551 安卓免費版
v5.686.9894 IOS版
v4.257.2013.973715 安卓最新版
v6.99.6696.897734 安卓免費版
v4.734.2315 IOS版
亚洲黄a
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
苏妖精和爸爸爷爷的背景故事简介
a影视免费在线看
柠檬导航品收入2020年最新消息
女裸下载软件
黑人免费视频精品免费视频
免费观看av黄色大片
国产做受 高一潮游
日韩性Xx
一级毛片中文字幕免费
国产人人干人人操
华人永久免费视屏
黄片拍拍视频免费视频强奸
国产2020最新精品视频
翔田千里肉感白浆无码
又大又粗又爽又硬又色视频
1024旧版基地
十八岁让进的黄色网站
先锋影音一区二区
刘亦菲裸体 自慰‘
欧美肏屄
美美女毛片视频免费观看
国产免费久久
动漫打屁股秘 免费网站
JLZZZZZZ