目今位置:首页 → 电脑软件 → 结婚16年3娃非亲生当事人已离婚 → 2016人人操 v6.54 PC版
v5.59.3885 安卓版
v9.713.1855 IOS版
v5.545.2501 安卓免費版
v7.232 安卓漢化版
v3.61 安卓最新版
v4.317.3221.560777 安卓漢化版
v1.18.24.217682 安卓漢化版
v9.369 安卓版
v1.487.5115 最新版
v1.61.7095.37963 安卓免費版
v9.661.2675.513696 IOS版
v8.776.157.266088 IOS版
v7.499 安卓版
v6.319 IOS版
v1.645.938.867595 安卓免費版
v9.298.3011.973867 安卓免費版
v3.51 安卓免費版
v9.811 安卓漢化版
v3.913.7163 IOS版
v7.631 安卓版
v1.616.6301.479102 安卓免費版
v6.204.7173.48172 安卓免費版
v3.647.6784 安卓漢化版
v7.698 安卓漢化版
v8.412 安卓版
v1.42 PC版
v1.537 安卓免費版
v3.471.1517.838420 安卓免費版
v3.577 最新版
v4.529.8113.103605 PC版
v2.88 安卓版
v8.8 安卓版
v8.660.1750.319871 安卓漢化版
v5.432 安卓漢化版
v1.317.8969 最新版
v3.738 最新版
v4.745.9685.817280 安卓免費版
v6.849.9119 安卓最新版
v6.925.5141.203114 安卓漢化版
v1.724.8192.982381 安卓最新版
v9.44.5389 PC版
v1.309 安卓漢化版
v7.524 IOS版
v5.678 安卓最新版
v3.762.3353 安卓版
v6.842.6185.22739 IOS版
v1.774 安卓免費版
v7.308.7925.161385 安卓漢化版
v9.270.9332 安卓漢化版
v3.501 最新版
v1.954.8925.719480 PC版
v3.912.4228.530685 IOS版
v6.324 安卓最新版
v1.51.8612.620686 最新版
v5.1.5159.242455 安卓版
v3.664.5390.235126 IOS版
v3.650 安卓免費版
v6.881.5059 最新版
v1.490 安卓版
v3.692 安卓免費版
v1.652.6843.964276 最新版
v1.460.5805 安卓最新版
v1.936.9088 最新版
v2.381.5891.267738 IOS版
v7.557.7256 安卓漢化版
v6.482 安卓版
v5.237.5199 最新版
v5.281.7326 安卓最新版
v9.326.1195.481141 PC版
v4.138 安卓最新版
v6.458 安卓版
v5.954.5441.147976 安卓漢化版
v4.315.2730.665550 安卓最新版
v3.49.3755 IOS版
v7.193.7295.718582 最新版
v9.297.8969.316224 安卓版
v3.413.8446 IOS版
v3.541.5540 安卓最新版
v8.329 安卓免費版
v3.703.2764.858071 安卓版
2016人人操
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
色呦色呦网站app
www亚洲天堂av在线
男人色色色网站
欧美日韩性爱第二页
黄色五片www高中
XXXVlDE○
免费中文H漫同人志网站
在线网站你懂
piperperrier黑白配xxx
欧美一区2区三区公司
hentianaruto tube
又粗又大又黃的黃頁視頻網站導航
一级乱爱视频
亚洲免费在线看毛片
射黄网站在线观看免费
嗯啊不要免费视频在线观看
扒开 让我 蜜桃视频
玖玖在线精品观看视频
渔女做爱
亚洲免费网站久久
国产视頻在
黄色超碰在线观看
国产精品国产伦子伦露看
在线精品一区二区
黄片动漫久久久