v7.446.8807.842956 安卓版
v5.278.574.626056 PC版
v1.667 安卓版
v7.444.735.334124 最新版
v9.5.6841.214653 安卓免費版
v8.196 安卓漢化版
v5.570 PC版
v6.563.3469 PC版
v3.600 PC版
v6.347.9417 IOS版
v5.762 安卓版
v1.733.7837 最新版
v9.855.74 安卓漢化版
v8.353.9381.218979 安卓最新版
v7.87 PC版
v1.97.4533.703753 PC版
v6.230.3696.913516 最新版
v9.794 最新版
v8.449.5954.348496 IOS版
v3.850.4439.288316 安卓版
v5.770 PC版
v4.323.7412.205267 安卓免費版
v4.564.3081.91586 安卓最新版
v6.35 最新版
v8.960.189.438196 安卓版
v5.963.7256.231286 安卓免費版
v3.198.3670 安卓最新版
v2.577.7649.869136 安卓免費版
v9.875.162.542205 安卓免費版
v2.384.3109.495054 最新版
v2.93.7393 最新版
v8.84.3153 安卓漢化版
v4.584 安卓漢化版
v5.707.2429.470018 PC版
v8.122.6.180821 安卓漢化版
v5.676.4649 安卓最新版
v7.198.1075.615718 PC版
v9.706.3013 安卓版
v3.494.5353 IOS版
v3.990.6882 IOS版
v2.992.5210.846504 最新版
v8.543 安卓漢化版
v3.734.5579 安卓免費版
v1.176.7307.374183 安卓漢化版
v4.365.4030.730393 最新版
v1.952.5259.587864 安卓版
v5.868 安卓漢化版
v3.807 安卓版
v3.260 IOS版
v2.619.3124.370894 安卓免費版
v1.903 IOS版
v2.500.9647 安卓版
v7.763 IOS版
v2.555.9721 IOS版
v2.659 IOS版
v6.53.4660.883936 安卓最新版
v3.9 安卓免費版
v5.282.8649.918918 PC版
v6.72.3905.150780 IOS版
v7.683 安卓免費版
v6.309.5731.863323 最新版
v1.642.3244.945090 PC版
v6.161.8018.719259 安卓免費版
v4.320.6309.461666 安卓版
v4.298.7364.56824 IOS版
v5.336.2453.857734 安卓版
v4.208.6133 安卓最新版
v3.985.2415.971640 PC版
v8.901.553.744430 安卓版
v5.529.5880.956031 安卓最新版
v4.822 安卓漢化版
v6.692.3466.921677 安卓免費版
v3.59.6273.986802 PC版
v7.182.5882.946766 安卓版
v1.22.2073 安卓免費版
v6.696.8545.453952 IOS版
v5.2.4979 最新版
v7.539 最新版
v5.529 安卓免費版
v5.727.8416 IOS版
18禁亚洲深夜福利入口youwu
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
免费 成人 结下载
首页精品尤物一二三区男人操女人免费视频
黄色做吊逼
人人草人人干福利视频
涩侵
火影unny官网入口
日本漫画乱の伦在线观看
纲手被爆 自慰流水网站
貂蝉被 吸乳羞羞网站
又大又粗又刺激的免费的无码视频
拉拉双女主韩漫
91后入网站不卡视频在线观看
我用 蹭男同桌的
18森
basiwa
av.www.99
久我www.精品
95视频网站免费观看
国产一级精品毛片在线看看网站
国产激情无码专区
男人操女人逼的视频
骇爪和威龙拔萝卜
一本久道久久综合婷婷
国产一级日B视频