目今位置:首页 → 电脑软件 → 香飘飘讽刺日本排核污水 → 青青草十年沉淀2022年最新 v4.277.6710 最新版
v7.322.7249.796920 安卓最新版
v3.107.7199 IOS版
v6.687 安卓版
v7.414 PC版
v5.550 安卓最新版
v4.21.5670.959309 安卓最新版
v4.572.3105.974417 安卓漢化版
v4.628.628.379423 IOS版
v8.763.348 PC版
v2.299 IOS版
v7.968.923.774071 最新版
v5.948.6269.964280 安卓免費版
v1.474.9039.310688 安卓最新版
v5.651.7449.370296 安卓漢化版
v6.92.5249 安卓免費版
v3.275 PC版
v1.482.6091.957142 安卓漢化版
v1.976 安卓免費版
v1.923.9829.989178 安卓漢化版
v6.518.5726.845622 最新版
v9.908.9655 最新版
v9.520 最新版
v2.435.2457.383649 安卓漢化版
v6.98.9456.768164 安卓免費版
v8.694.6929.526366 IOS版
v7.627 安卓版
v7.764.3004.981638 安卓版
v6.114.8807.903462 安卓漢化版
v5.887.5603.938561 安卓最新版
v9.766.3655.864439 安卓免費版
v6.298.1142.774346 PC版
v7.15.7006 安卓最新版
v3.203.7582.591659 PC版
v5.124.8643.894780 最新版
v9.234.9328.306433 安卓漢化版
v7.808.6631.369016 安卓最新版
v8.349.5076.233026 IOS版
v6.559 PC版
v4.261.9687 安卓最新版
v1.111.9431.191550 安卓版
v1.717.9057.405407 IOS版
v7.186.822.232817 安卓最新版
v1.127.6656 安卓版
v7.225.9806 最新版
v3.237.4759 安卓版
v8.497.7824 安卓最新版
v1.767.2798.672455 PC版
v3.237.9606.953195 PC版
v5.328 最新版
v7.817 IOS版
v4.641.5646 安卓版
v2.722.9214.398089 安卓版
v4.244.7443.881956 安卓漢化版
v9.204.806.816527 安卓免費版
v9.988.9537.571968 PC版
v2.708.6156.156814 安卓最新版
v6.421.8183 安卓漢化版
v5.15.1830 安卓最新版
v5.121.6055.597343 PC版
v7.990.8051.120060 安卓版
v5.301.8342.640049 最新版
v8.116.7769 安卓免費版
v9.853.6739 安卓最新版
v7.341.9150.14787 最新版
v5.643.7877 IOS版
v4.658.6761.676743 安卓最新版
v1.429.7305.254150 安卓最新版
v6.613 IOS版
v7.946.6857 安卓漢化版
v9.819 安卓免費版
v7.14.4186.232176 最新版
v9.611 安卓最新版
v5.616 最新版
v1.583.1851.147684 IOS版
v5.881.198.261787 安卓最新版
v4.292 IOS版
v9.746.7591 安卓免費版
v9.822.5263 PC版
v2.840.7586.804716 最新版
v4.323.9864 IOS版
青青草十年沉淀2022年最新
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
扒开 让我草
女娲禁18露小奶头
成 人 免费 黄 色 网站无毒下载
黄网视频
国际黄色网站免费观看
张娜拉被c到高潮下不了床
a黄色视频永久在线观看
特黄大片AAAA级毛片
沙特妇女毛多奶大视频
国产精品国模在线观看
欧美性爱影院第一页
在线欧美性爱
免费看一区二区三区在线视频
精品成人网站一区二区三区哔咔漫画
日韩特黄-区,二区,三区视频
小 进入
毛片毛址
国产精品美女久久福利网站
美女赤裸91网站
亚洲深喉一区二区在线看片
国产AB自拍
桃子tv官方入口
免费看网站免费看黄色
人人插人人揉