v5.198 安卓免費版
v6.688.2936.525636 安卓最新版
v2.265 最新版
v5.685 IOS版
v8.242 PC版
v9.588.5667.623727 安卓漢化版
v8.646 安卓版
v5.936 PC版
v1.121.3384.326902 PC版
v1.256.8090 安卓漢化版
v2.606 安卓漢化版
v2.172.7389 IOS版
v3.423.5910.553792 安卓漢化版
v2.58.3817.945462 安卓漢化版
v6.313.6905 安卓版
v7.988 最新版
v6.969.9407 最新版
v4.624.5368 安卓最新版
v8.261.1739.584290 最新版
v6.569.8496.984329 IOS版
v8.159.7057 安卓最新版
v1.333 最新版
v7.851.265.38412 安卓漢化版
v6.93.9067 IOS版
v5.101.4873.566451 安卓最新版
v1.852.8363.386187 最新版
v5.338.6701.227898 安卓最新版
v8.583.7958.661177 PC版
v2.665.3560 安卓漢化版
v2.779.4566.470060 安卓版
v2.334.5513.386667 IOS版
v1.135.8476.246542 安卓漢化版
v8.147.8382 安卓漢化版
v2.576 IOS版
v3.384.3035.878192 安卓免費版
v2.867.6381.875144 安卓版
v2.975.4183 PC版
v6.512 安卓最新版
v3.858.5750.725594 安卓免費版
v1.943.1410.843539 安卓免費版
v1.982.2431.810094 PC版
v4.875.2973 安卓最新版
v3.324 PC版
v8.388.6660.208296 IOS版
v6.381 PC版
v1.817.3318.752242 IOS版
v7.399.7043.166025 最新版
v9.755.7880.716626 安卓最新版
v6.672 安卓漢化版
v8.466.173.585493 安卓漢化版
v4.161.5221 安卓版
v2.745.3326.522300 最新版
v4.80.9679 安卓版
v7.138.3812 安卓漢化版
v1.706 安卓免費版
v5.141.3623.55503 安卓版
v7.902.9562.889418 最新版
v7.490.4655 安卓免費版
v2.478.7823.660434 安卓最新版
v7.636 IOS版
v6.843.5698.21418 安卓最新版
v5.80.1010.237423 最新版
v5.203 安卓免費版
v8.320.1703.697514 安卓漢化版
v9.968.4036 安卓漢化版
v4.583.5376.521786 最新版
v5.436 安卓免費版
v7.462.6217.391264 最新版
v9.666.3582.802247 安卓免費版
v5.513.433.304656 IOS版
v9.173.1716 安卓漢化版
v3.487.9043.87274 PC版
v1.991.4504.193724 PC版
v6.212 安卓版
v1.158 安卓最新版
v2.785 IOS版
v8.918 安卓最新版
v7.881.9565.986754 最新版
v8.333 安卓最新版
v5.213.4807 安卓漢化版
欧美黑人又粗又长精品
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
阿姨大肥b让我c印度
中国小伙自慰
自拍偷拍 91
欧美三级午夜理伦三级中文字幕
18禁无码无摭挡啪啪黄网站
白娜被局长c到高潮
国产精品日韩综合视频A
人人操人人射人人爱
灌满闺乖女hv1
黄色小说在线视频
插老肥熟老太太xx
狼友视频在线精品
少萝吃狙电影免费观看
美国黄色一级视频
学生妹人人摸人人操
操碰视频
高清无码黄色永久网站
久久久久久久久久久精品一级A片
中国性爱AAA另类精品
黄色资源在线无码播放
一级太黄片
久久精品97
人人操人人摸免
免费人成在线观看网站
现场免费观看无码三级黄片
黄片A片在线观看公司
黄色三级片地址91视频
绝区零18同人在线看免费版在线看完整中文版
A片免费看A级
欧美日本三级片在线观看
国产97AV一区二区三区
粉嫩逼
国产精品无码一级AV