v3.672.7103.437112 PC版
v6.830 安卓免費版
v5.277.6366.369478 安卓版
v1.893 安卓最新版
v6.51 安卓最新版
v5.711.4364.34681 最新版
v1.850 安卓免費版
v9.553.4018.151016 安卓漢化版
v3.54 安卓漢化版
v5.251.2584.776038 IOS版
v6.82.8284.491507 IOS版
v3.908.6547.741054 安卓最新版
v7.120.2348.325012 安卓版
v7.560 PC版
v5.33 安卓漢化版
v2.156.2898.345160 安卓免費版
v8.335.524.871762 安卓最新版
v3.108 安卓版
v2.89.7257.185321 PC版
v7.469.6888.511338 安卓最新版
v5.961 安卓漢化版
v9.2.5730 安卓版
v2.852.414.645115 安卓免費版
v5.664.7724 最新版
v1.138.9394 安卓最新版
v1.362.1164 安卓漢化版
v3.383.648 IOS版
v2.342.6576.431791 PC版
v3.680 安卓漢化版
v2.925.4626.928467 PC版
v6.969.8555.606717 最新版
v2.778.992 PC版
v2.692.8450.136593 IOS版
v3.103.624.423221 安卓版
v8.383 PC版
v7.445 安卓版
v5.764 PC版
v2.527.4269 安卓漢化版
v5.7 最新版
v5.164 PC版
v1.349.3753.943151 IOS版
v1.681.3560.68482 PC版
v1.323.3988.415213 安卓版
v9.223.1969.916574 PC版
v9.369.7697.773472 安卓版
v6.537 最新版
v5.974.2070 最新版
v5.781 最新版
v8.622.9754.77833 安卓漢化版
v6.791 PC版
v7.770.6294 最新版
v2.954.227.291945 最新版
v4.34.1687.186898 安卓漢化版
v8.910 安卓免費版
v9.490.7450 安卓最新版
v2.170.3082 PC版
v1.953 安卓漢化版
v4.643.5351.451552 安卓版
v8.255 安卓版
v7.401 安卓漢化版
v9.182.467.143982 IOS版
v8.101 IOS版
v5.208.5119.100224 安卓版
v4.199.5864.390597 安卓免費版
v4.871.3174.248433 PC版
v3.327.8024.414905 PC版
v2.546.7701.716439 安卓最新版
v6.422.6302.956980 安卓版
v7.764 PC版
v8.871.8311.236612 安卓漢化版
v3.703 IOS版
v1.464.6766.479072 安卓最新版
v3.174.8922.667221 IOS版
v7.60.4227.305645 安卓最新版
v2.622.9928 IOS版
v1.836.1596.837839 最新版
v4.910.866.350339 IOS版
v3.637.4620 安卓免費版
v3.780.2904.371905 PC版
v8.12.4363.622183 安卓漢化版
亚洲a免费视频
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
在线二区
亚洲AV秘 无码山中知惠
totakkahaya
欧洲性爱19p
久久精品36亚洲色熟妇
精品乱人伦视频
美女撒尿无遮挡秘 网站
自拍偷拍 亚洲图片
一小孩半夜喂女神吃坤
首页 中文字幕 强奸乱伦
女生私人玩具使用视频
中国性爱AAA另类精品
8X8Ⅹ国产精品视频影库
欧美老妇在线观看
天噜啦tianlula最新消息更新消息
使用特殊能力肆意乱交!
JiZZ成熟丰满熟妇
操女人阴视频污网站
美国美女性爱
2026最新黄色网
女人被弄到高潮的免费视频
亚洲中文字幕日产精品一区
在线视频亚洲日韩
黄视频在线网站
激情小说,乱伦视频
王牌竞速女角色裸妆卡bug
成人版黄瓜视频做爱多水丝袜
亚洲一级特黄高清黄片