v6.868 安卓免費版
v3.907.129.472498 安卓最新版
v3.907.7672.925561 安卓最新版
v6.446.5961 IOS版
v6.275.9322.942485 安卓免費版
v3.272.7586.996411 安卓最新版
v8.268.5282 PC版
v3.776.9124.208251 安卓免費版
v2.348.3749.764755 安卓版
v2.640.8458.270600 安卓最新版
v6.700.1909.436723 PC版
v6.457.515.95001 IOS版
v1.984.3023.554334 安卓版
v8.230.2346.80039 安卓最新版
v9.845 安卓漢化版
v9.830.6302.377011 PC版
v2.684.3557.442465 IOS版
v1.816.617.912457 PC版
v4.58 安卓最新版
v9.510.1282.999386 IOS版
v9.347 IOS版
v3.288.2359.519453 IOS版
v3.549.3727.247888 最新版
v8.645.1168 安卓免費版
v3.425.5189 安卓版
v7.896 安卓最新版
v6.375.9387 安卓版
v1.651.3914.689365 最新版
v6.634.5146.846330 安卓最新版
v5.343.9405 安卓免費版
v3.461.411 安卓版
v1.160.8652 安卓版
v9.418.6851.752846 安卓版
v7.579.1184.717737 安卓免費版
v3.89.8682 安卓漢化版
v6.24.6653.236685 安卓漢化版
v6.195 PC版
v3.381.574.733060 PC版
v2.132.2449.467297 安卓漢化版
v9.190.6383.556594 安卓版
v4.269.4187.973726 PC版
v6.636.416.266099 最新版
v7.486.6351.26266 安卓最新版
v5.340 安卓免費版
v1.886.6703.789230 IOS版
v1.184.8413.172962 安卓最新版
v3.232 安卓漢化版
v5.335.3640.647019 安卓版
v3.959.6534.524218 PC版
v5.9 最新版
v9.825.269.49749 安卓版
v8.417.9007.552814 安卓免費版
v7.501 安卓最新版
v2.795 安卓最新版
v2.727.8310.670641 安卓最新版
v2.483.4486 安卓免費版
v3.23.2595.491851 安卓最新版
v5.131 安卓最新版
v9.163.1596.204505 IOS版
v6.666.8931 最新版
v3.275.1914 安卓最新版
v7.209.4829.425488 安卓漢化版
v7.717.4354 安卓免費版
v8.584.7597.748166 PC版
v1.375.6844 安卓漢化版
v3.562 安卓版
v6.430.7608.110529 PC版
v9.521.7499 最新版
v8.505.2336 安卓最新版
v2.790.2589 PC版
v2.241.3698 IOS版
v3.403 最新版
v2.147 安卓漢化版
v1.853 IOS版
v9.871.3810 安卓漢化版
v4.801.4150.897588 安卓免費版
v5.23.7158 最新版
v5.0.3282.711953 安卓免費版
v5.104.2172.677510 最新版
v2.788.7128.699815 安卓免費版
黄色网站免费一级片黄色录像
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
亚洲AV永久无码精品三区在线
黄色网址视频在线
www. 国产真实大
❤️嫩草影院入口❤️
搜一个黄片一级黄片一级
中国.姐姐
福利视频无码
小青茗遇见神鹿
老头自慰出精子大片男医生同男性同牲恋鸡吧做爱
717电影网在线理论
欧美自拍偷拍专区
秋菊电影院
欧美一木
激情国产综合
操女人视频在线免费网站色
97影院理论午夜伦不卡偷
放入
古吉拉·她TA·PARTY免费观看
91免费A级毛片无码A∨中文
高清无码黄三级