v5.273 安卓版
v4.205.778.228180 安卓漢化版
v6.750.1658 安卓最新版
v7.122.7845.598646 安卓版
v4.108.3884 安卓免費版
v1.440 安卓免費版
v3.935.993 最新版
v8.877.7316.283753 安卓版
v8.149.7543.546916 安卓最新版
v8.673 安卓漢化版
v7.989.6656 安卓免費版
v9.97 PC版
v2.111.67.919560 最新版
v1.776.3922.491642 安卓漢化版
v8.641.8301.371573 最新版
v2.842.5643.445130 IOS版
v9.666.585.421250 安卓版
v6.789.4623 安卓版
v8.542.9226.999537 最新版
v9.503.2913.880073 安卓版
v4.707 最新版
v6.616 安卓漢化版
v8.965.4322.515677 安卓免費版
v7.974.9914.306420 安卓免費版
v9.109.5286.625048 IOS版
v8.338.703.909235 最新版
v6.363.7309.146031 PC版
v4.607.6666.328330 安卓免費版
v1.608.9066.570505 安卓最新版
v7.87.4467.887027 安卓最新版
v9.618 安卓免費版
v7.510.7429.560522 安卓版
v1.292.3863 IOS版
v9.126.4930 安卓版
v5.5.4899.156321 安卓免費版
v6.503.7150.830327 安卓最新版
v7.893 PC版
v3.806 PC版
v4.650.6188.374933 PC版
v9.175 IOS版
v1.40.5965.610690 安卓最新版
v2.978.6525.895048 安卓免費版
v8.255 安卓最新版
v6.356 安卓最新版
v5.706.9740 安卓免費版
v6.818.9836.663745 安卓最新版
v6.540.6124.670784 安卓免費版
v5.34.8729.703759 安卓最新版
v4.85.8907.102800 最新版
v6.607.6428.536901 安卓版
v8.674.5564.18602 IOS版
v9.369.4923.671695 安卓漢化版
v6.646 PC版
v9.349.4331 最新版
v2.515.1092.329830 安卓漢化版
v9.218.9377.426431 PC版
v4.352.5982.787806 最新版
v8.66.6346.764355 安卓漢化版
v5.493.1512.475476 安卓最新版
v8.885.2470.780463 最新版
v2.41.5132 安卓免費版
v1.611.5000.372297 安卓免費版
v5.928.8842 安卓免費版
v8.232 最新版
v5.425.1062 PC版
v6.727.1433.159214 安卓免費版
v3.131.4654.227518 PC版
v5.929.737.731535 安卓免費版
v9.145.7808.714941 PC版
v3.783 最新版
v5.644 安卓免費版
v5.579.1571.303781 PC版
v3.759.6137.817233 安卓漢化版
v9.965.6364.677923 安卓免費版
v4.714.614.352389 安卓漢化版
v6.680.6204.789339 安卓漢化版
v4.60.6749 PC版
v2.856.6052 安卓免費版
v2.16 安卓最新版
v7.299 最新版
黄色网站一极日本人人看视
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
男生咬女生的小头头
女人被插图
中国免费的一级A片视频
免费中文字幕一级毛片
九九免費看黃色視頻
A级片网站多少
欧美性性性
在线免费se视频
搜索韩国视频裸体三级性交片中文字幕
在线一区二区在线
色色aⅴ网址
性多多免费a片
影音先锋啪啪av资源网
人人爽爱爱精品视频
裸体裸乳被🍑学生
男能GAY无套✅猛男自慰
❌❌潮喷水口乱喷
国产精品激情无码
色 网站
国产一级av黄片
欧美性aa
欧美区免费网站
黄片操逼黄片操逼黄片操逼
18 欧美
黄化人物免费观看大全
手机看片人人干日韩不卡z
久久久免费看毛片