目今位置:首页 → 电脑软件 → NewJeans新立场 → 最新91精品国产自产在线 v6.514 PC版
v2.691.8676 IOS版
v5.64.2757.267734 安卓最新版
v2.496 安卓免費版
v8.86.1690.89885 最新版
v4.745.3112.421691 安卓免費版
v8.955 安卓最新版
v6.801.1715.364066 安卓免費版
v2.511.6741 安卓漢化版
v2.185.1570.211464 安卓最新版
v4.255.9471 最新版
v6.76.4594.855050 安卓免費版
v4.575.6266.193343 安卓免費版
v8.158.4540.571164 安卓漢化版
v7.4.78.89272 安卓最新版
v1.530.4821.411504 IOS版
v2.349 安卓免費版
v5.157.7997.678406 安卓版
v3.598.3458 IOS版
v2.454.1470 IOS版
v6.480.4292 IOS版
v4.609.6969.715759 最新版
v8.58.7250.111180 IOS版
v6.376.8268 安卓版
v4.290 安卓版
v9.35.5210.341580 安卓最新版
v9.231.4810.805080 最新版
v6.936.5729.776624 安卓免費版
v6.798.4999.158715 安卓免費版
v9.824.7213 安卓版
v8.481.6259 最新版
v9.618.1154.206640 安卓漢化版
v5.924.7624.404366 安卓最新版
v8.262 安卓最新版
v1.171.248 安卓最新版
v6.596.5906.522251 安卓漢化版
v8.317.9248.211924 PC版
v9.303.8741.670598 安卓最新版
v7.222.7036.889763 PC版
v3.972.263 安卓漢化版
v1.435.2456 安卓最新版
v6.894 安卓版
v6.57 最新版
v7.303.8046.471279 安卓免費版
v4.877.4177.825745 安卓最新版
v9.894.4994.120684 PC版
v6.617.2211 最新版
v7.437.9678 PC版
v1.819 安卓版
v3.82.891 最新版
v6.259.6607.598246 最新版
v7.156.210.175831 IOS版
v4.797.256 安卓漢化版
v5.615.7839.192603 最新版
v1.463.8991 安卓漢化版
v4.554.865.561648 PC版
v4.798.6270.455463 安卓版
v6.990.9569.910894 安卓免費版
v2.835.5559 最新版
v4.999.9076.283836 安卓最新版
v4.756.6907 PC版
v9.657.5374.641379 最新版
v9.223.6224 安卓免費版
v7.808.3745.441690 安卓版
v3.933 PC版
v9.310.5835.674385 PC版
v1.490.9964.679043 安卓免費版
v3.916.1180 安卓最新版
v9.173.4696.868540 安卓免費版
v9.587 安卓版
v4.149.8253.603396 安卓最新版
v9.815.239.720997 PC版
v8.37.1452.442712 安卓版
v8.785 安卓免費版
v9.606.2641.409035 IOS版
v2.621.5862 最新版
v4.250.5018.921736 IOS版
v8.52.2244.588950 安卓版
v9.521 安卓最新版
v6.539.9330 IOS版
v6.941.3223.251192 最新版
最新91精品国产自产在线
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
黄色网站入口在线
国产高潮又爽又刺激的视频
国产33
各类熟女熟妇激情
可以免费看的av网站
明星换脸造梦mv在线观看免费
欧美一级aaaaaa片
男阳茎进女阳道视频怎么看
性BBBBBCCCCCZZZZZ
无码破苞视频在线观看
在线免费观看av不卡
免费秘 羞羞视频入口
一级日本片免费的
淫色交换
日韩欧美综合色图
国产视频网址官网
这些91视频
11axax.com换成啥了
国内自拍骚视频
亚洲一区二区三区精品
吃白丝校花的乳液
国产欧美日本专区情侣
花季传媒404
欧美高清精品A片在线播放
国产欧美日韩丝袜精品一区
免费性爱视频亚洲无码
日本黄色免费网站在线观看
娜美被扒开腿坐做 视频
99r在线观看精品免费看
毛片的网站
日本高清WWWWWWWWWW
水蜜桃 的小视频
18岁黄网
免费人成黄页网址在线观看大全