(10秒全面了解)欧美日韩国产另类激情图区电脑版v02.03.20.52.79.26.94-2265安卓网

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗?中科院新基准给出谜底

2026-01-10 14:31:15
泉源:

猫眼影戏

作者:

乔丹法玛尔

手机审查

  猫眼影戏记者 刘奕湛 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:欧美多人疯狂人做人爱

??01月10日,年轻人热衷养异宠 冷门动物渐入大众视野,

  霹雳一声 ,一群人全都飞了出去 ,所有口吐鲜血 ,基础挡不住 ,护在身上的纹络全都炸开了。

,高清视屏免费av。

??01月10日,夯实涉外法治基础,服务高水平对外开放,

  一道冷箭袭来 ,准而狠辣 ,目的正是青鳞鹰的眼睛 ,冷光惊人 ,这一箭最最少是双臂一振能有五六千斤实力的猛人才华射出的 ,太恐怖了。狈村的人担心青鳞鹰会被救治过来 ,那时对他们来说将是一场大灾难 ,此时举行滋扰与袭杀。

,影音先锋最新资源网址,自慰出水网站,小樱乳液狂射h无删减版。

??时势2:颜面坐脸女王

??01月10日,加入欧盟20年,捷克为何仍在欧元区外徘徊,

  二、突出重点 ,扎实推进农村低保事情各项事情

,国产视频无码在线观看,生活一级电视,操美女 6666。

??01月10日,第十七届“汉语桥”世界中学生中文比赛落幕 老挝选手夺冠,

  一位宗老看过信后 ,连忙就暴怒。统御亿万里山河的石国正处在壮盛时期 ,却爆发了这等事 ,不可想象!

,朋友的朋友3 文字,欧美老妇人性交网,人人要人人玩人人爽。

??时势3:狂野欧美性激色啪XXXX网站

??01月10日,这场论坛,诠释中法人文“双向奔赴”,

  突然 ,一声尖锐的啸声响起 ,让人灵魂都剧疼 ,一只紫色的老鼠 ,能有石碾子那么大 ,腾跃而起 ,竟扑到了青鳞鹰的背上。

,娜美吃路飞棍子原版视频在线观看,先锋资源综合网,国产精品一区二区三区精彩。

??01月10日,(两会声音)全国人大代表童明全:发展新质生产力不是放弃传统煤炭产业,

  “这次应该没差了吧?”他轻声自语。

,亚欧日韩毛片二区,亚洲午夜妇女,久久国产精品一国产精品。

??时势4:欧美日本一区二区视频

??01月10日,江西九江“网红”夜市人气旺 夜间经济火热,

  “这等古老的家族在乎的是一个体面。”老妪道。

,色哟哟自拍一区二区,在线视频综合一区二区,欧美黄片97。

??01月10日,南非足协主席、前世界杯组委会主席被捕,

  1、集中精神 ,扫除滋扰 ,认真学习。这期培训班时间较短 ,内容切合现实 ,希望各人扫除一样平常事务和应酬滋扰 ,集中精神 ,静下心来 ,认真学习 ,入脑入心 ,力争取得实着实在的学习培训效果。

,A片一级毛片免费视频播放app,美女跪床 被 国产,王多鱼免费打扑克视频。

责编:杨丽

审核:杨慧敏

责编:王琼

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图