v3.597 安卓版
v9.50.2943.178152 PC版
v2.780.6457.813688 PC版
v9.675.5786.722612 安卓免費版
v8.974.3891.692751 安卓免費版
v1.807.4401 IOS版
v7.718.297.198960 安卓漢化版
v6.385.483.676226 安卓漢化版
v7.676.9836 最新版
v8.381.3204 安卓漢化版
v5.66.512.981061 PC版
v3.799.2787.458965 安卓免費版
v7.438.5291 安卓漢化版
v1.263.1512 安卓最新版
v8.362.9496.102131 安卓免費版
v6.681.7729 IOS版
v3.67 安卓漢化版
v5.726 安卓免費版
v2.38.9946 安卓免費版
v6.123 IOS版
v9.342.5075.170353 安卓最新版
v5.126.2366.688045 IOS版
v6.416.7746 安卓免費版
v8.732.4180 最新版
v2.321 安卓漢化版
v6.627.6875 安卓最新版
v8.643.3035.887807 最新版
v3.253.1375.452718 安卓最新版
v2.116 IOS版
v4.462.6752.445278 安卓免費版
v8.772.7718.585708 安卓漢化版
v1.111.2087 安卓版
v1.336.3110 IOS版
v6.500.2074.67671 PC版
v6.871.2477.189259 安卓最新版
v6.24 PC版
v4.244 最新版
v5.580.3506.231322 安卓最新版
v1.518 安卓免費版
v6.320 安卓最新版
v6.93.4429 安卓免費版
v3.199 安卓免費版
v8.482 PC版
v4.228.6849.718218 安卓免費版
v1.158.2904.402922 最新版
v5.54.9057.427821 PC版
v9.327.1687.737289 安卓漢化版
v3.502.3957.520156 安卓最新版
v8.0.7722 安卓漢化版
v9.664.1447 安卓免費版
v6.365.3941.89986 最新版
v9.503.343.759748 安卓版
v7.569.344 安卓最新版
v6.246.175.197160 安卓免費版
v3.334.5943.860322 PC版
v4.879 IOS版
v5.606.5068.900279 安卓最新版
v5.271 安卓免費版
v2.384.6282.875319 IOS版
v8.103.9201.289110 安卓最新版
v5.280 安卓最新版
v7.717.5261.493702 PC版
v7.831.5470 安卓版
v9.525.2971.402761 最新版
v5.519.4004.413540 安卓漢化版
v2.553 安卓最新版
v9.264.2774.355484 安卓版
v7.785 安卓漢化版
v7.654.500.679854 安卓免費版
v3.385.6435 安卓漢化版
v5.837.4403.869981 PC版
v4.911.8310 安卓免費版
v6.383 安卓免費版
v2.136 安卓免費版
v1.398.158.364352 最新版
v5.830.6286 安卓最新版
v1.203.7865.91383 IOS版
v4.981.3312.770745 安卓漢化版
v3.83 PC版
v7.495 安卓漢化版
祼体大胸美女自慰不打码
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无码一区二区qq群
精品午马AV
www.日本黄色视频
天天曰夜夜
猛撞18 黄金片
东南亚高清无码视频
在线小视频你懂的
精油裸按摩
红太狼被 18禁漫画免费
啊…啊灬啊轻点视频在线观看
欧美性爱网址免费
亚洲人成在线观看黄色
成人午夜黄色视频
一級免费视频
国产av天堂久久久久
国产黄片一级视频强奸
免费国产黄网站
免费99九九久久免费观看
原神胡桃18 AV黄网站
灰原哀被琴酒抓去繁衍后代在线观看
99re色精品视频在线观看
麻豆回国入口