v6.227.5835.118807 安卓漢化版
v5.419 安卓最新版
v3.439.8883 最新版
v7.178.4366.66216 最新版
v8.566.2707.318385 最新版
v3.908.2663.976901 安卓漢化版
v7.178.3812.212764 PC版
v5.397 安卓最新版
v8.998.673 PC版
v8.631.9718 安卓漢化版
v4.261 安卓漢化版
v2.776 安卓版
v1.525 安卓免費版
v9.663.5114.462976 安卓版
v9.84.7122.569357 安卓最新版
v8.796 最新版
v3.595 安卓免費版
v7.504.5098 IOS版
v6.44.1497.938440 安卓免費版
v2.132.5924 安卓版
v6.23.4395.105726 IOS版
v5.267.1521 安卓最新版
v3.595 安卓免費版
v6.999 最新版
v8.764.442 IOS版
v4.618 安卓版
v9.901.7076.141999 安卓免費版
v9.594.6510 PC版
v6.415.3365.366224 安卓版
v5.445.689.184749 安卓最新版
v9.192.9837.261922 最新版
v2.128.667.664593 安卓最新版
v7.103.9185 安卓漢化版
v8.913.6130.717592 最新版
v9.873.2315.584484 安卓版
v2.575.5711 安卓免費版
v4.212.1464 安卓漢化版
v1.891 安卓版
v1.822 安卓最新版
v2.478.7462.754476 最新版
v2.730.9897.826941 安卓最新版
v8.464.1818 IOS版
v8.95.8239 最新版
v2.777.7307 PC版
v5.191.4023 安卓版
v5.765.1903.272503 安卓漢化版
v6.887.6008 安卓版
v7.436.3272 PC版
v5.732 最新版
v8.705.7368.455986 安卓免費版
v5.102.1259.33889 安卓免費版
v6.931.7220.980842 PC版
v9.69.5994 PC版
v3.398.1327.241119 安卓最新版
v2.890.2847.680894 最新版
v1.396.3999 安卓最新版
v7.222.5874 安卓免費版
v4.922.2857.887118 安卓漢化版
v1.352.9552.611253 最新版
v3.258.8832.923437 安卓最新版
v2.940.1992 最新版
v1.129 PC版
v5.672 安卓漢化版
v2.236.5229.57915 IOS版
v7.566.5062 安卓漢化版
v2.472.2810.819255 安卓版
v8.333.6656.153363 最新版
v3.421.667.35909 安卓免費版
v5.27 安卓免費版
v9.960.9293.92901 最新版
v3.88.8714.278158 安卓最新版
v2.877.5550.571257 安卓免費版
v7.945.9851.371041 安卓最新版
v6.294.4863.881766 安卓最新版
v8.460 安卓漢化版
v5.128.2152.320103 最新版
v6.896 安卓版
v5.143.82.56898 安卓最新版
v6.370 安卓版
v3.281.7951.238901 安卓免費版
国产黄片绿像片A级片
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
俄性孩娃freesexHD
亚洲中文字幕一级毛片
欧美一级做一级a性大片
国产在线观看国
日韩色视频人网站在
韩国精彩绝伦推理片
日韩性动态视频在线观看
国产办公室秘书AV在线
欧美性,夜夜夜
www.91
有可以看的黄色网站
国产AV 黄片
黄色色频
亚洲巨乳性爱视频
亚洲综合p
日韩精品视频免在线观看
日本中文字幕大全
操操操网
色综合色天天
国产精品.com
偷怕视频区永久入口在线观看
国产伊人精品导航
一极黄片