目今位置:首页 → 电脑软件 → yuyanjia爆料老头杯奖金发虎牙币 → 欧洲黑人精品一区三区 v6.679.8959.722003 IOS版
v6.236 IOS版
v2.405.2050.546143 安卓版
v8.860.3214 IOS版
v3.803 IOS版
v7.380.8884.293801 安卓漢化版
v8.189.114.993133 安卓最新版
v4.108.318 安卓漢化版
v3.931.3159.279416 最新版
v2.504 最新版
v8.939.7330 安卓免費版
v7.52.2856.537392 IOS版
v2.803.7245.316262 安卓免費版
v7.619.8916 安卓版
v6.292.7300.691690 IOS版
v1.461 安卓漢化版
v6.51 安卓最新版
v4.314 安卓版
v6.28.4133.423063 安卓漢化版
v6.85.2534.576092 PC版
v3.923 PC版
v1.532.2423 最新版
v9.445.9790.973926 IOS版
v6.869.3378 安卓最新版
v8.929.642 安卓版
v5.503.8754 安卓免費版
v6.461.4132.644554 安卓最新版
v1.700 安卓漢化版
v8.621.5565 IOS版
v1.999 安卓漢化版
v7.896.4775.699055 PC版
v8.91 最新版
v7.77 最新版
v2.214.4822.54613 安卓免費版
v6.407.7865.84325 IOS版
v7.837.393.152673 安卓漢化版
v7.513.5592.466427 安卓最新版
v4.381.304.785406 IOS版
v3.868 PC版
v6.294.1876.482344 PC版
v6.679.7044.284157 IOS版
v5.45 最新版
v5.723.5605 IOS版
v7.170 安卓免費版
v7.97.1087.5414 安卓漢化版
v4.929.5470.748142 安卓版
v1.868.6580.196414 最新版
v1.585 安卓免費版
v6.187.296.223817 安卓漢化版
v5.906 安卓最新版
v7.507.5830.803100 安卓免費版
v1.980.3009.304158 PC版
v4.46 安卓漢化版
v4.248.652.722445 安卓版
v7.855.6994.688741 IOS版
v5.341.5137.866990 安卓漢化版
v4.27.3366.821339 最新版
v4.350 安卓漢化版
v5.875 最新版
v9.57.9715 安卓漢化版
v4.251 安卓漢化版
v3.894 安卓最新版
v6.696.3676.784707 安卓最新版
v7.921.2269.586960 安卓最新版
v8.940.5522 安卓漢化版
v9.981.747.206090 最新版
v1.908.5394 安卓漢化版
v1.116.3349.9879 安卓漢化版
v4.791 最新版
v6.522.3276.484140 安卓免費版
v5.228.5562 安卓版
v2.958.3545.139432 最新版
v1.752 最新版
v5.690 最新版
v8.638.716.383002 安卓免費版
v4.94.7702.682671 安卓漢化版
v6.546.482 IOS版
v5.213 安卓版
v6.113 最新版
v2.395.7231.974622 安卓漢化版
v7.976.7329.314260 最新版
欧洲黑人精品一区三区
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
先锋影音5566AV资源
你懂的福利在线
男女动漫做爱黄网站
虐乳加虐菊
18禁止色网站
XXXXX欧美视频在线观看免费看
吴梦梦做爰全过程
又湿又黄又免费A片
xxxnx
国产一级视频播放
男人的天堂在线日韩视频
无码国产精品一区二区a
www.黄色网页久久
啊〜好痛〜嗯〜轻一点韩国
伊人网黄色视频
2020天天夜夜狠狠地爱
小s货C你
男人 少妇A片免费叫少妇放荡
机长轻点灬太粗嗯太深了嗯视频
榴莲视频
丝袜老师踩我的 上出精
v亚洲中文字幕丝袜专区
中文⭕⭕⭕⭕BBBB用手