JIZZJIZZJIZZJIZZ日本,内容丰富,界面简洁,无论新手还是高手都能轻松上手

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗?中科院新基准给出谜底

2026-01-09 07:20:17
泉源:

猫眼影戏

作者:

凌德马

手机审查

  猫眼影戏记者 查尔斯舒默则 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:大黑吊操

??01月09日,法治之光洒乡村:中国政法大学学子的华山村法治实践之行,

  石昊虽然很小,可是速率却极快,如虎跃、似蛟腾,逃避箭羽,同时双手拍击,与箭杆撞在一起,当看成响,将许多铁箭震飞 。

,杰佣r文 。

??01月09日,太原新年初雪后现大雾天气,

  人生最名贵的是什么?有人会说,是智慧智慧,有人会说,是家财万贯 ,着实人生最名贵的是生命 。不是有一句话说生命是革命的资源吗?生命是珍贵的,是公正的,它对每一小我私家都只有一次,失去了就不再拥有 。以是我们必需对自己的生命认真 ?戳苏獠科,我的心情异常极重 。

,免费视频A片,狼友视频这里只有精品,亚洲挤妓女奶 。

??时势2:美女免费av

??01月09日,在文明古国体验丝绸之路新生机,

  2、文明教育是学校生长的需要 。文明教育是学校德育、美育的主要内容 。它反应一个学校中西席、学生的精神风貌,是学校文化建设的主要组成部分,也是学校形象工程的主要标记 。

,被黑人巨大进入av,色综合天天综合在线观看,99三级视频免费 。

??01月09日,快速准确定位识别生物大分子 中国团队基于人工智能研究提出新方法,

  “不平,就放马过来!”狈村另一个职位不低的壮年人越发强硬 。

,欧美丝袜自拍另类综合另图区,雷电将军 到爽,IGao在线观看视频 。

??时势3:18未成禁片一级毛片喷水

??01月09日,特稿|立己达人益天下——高质量共建“一带一路”推动全球共同发展,

  狻猊一双金色的瞳孔很是酷寒,全身云烟汹涌,像是海啸一样平常,且有金色闪电冲起,啪的一声击在恶魔猿的后背上 。

,国产特黄大片aAA在线观看,王雨露孔头,黄色在线 网站 。

??01月09日,东西问·名家坊丨白先勇:青春版《牡丹亭》何以青春?,

  “孩子你有什么妄想?”最后,族长笑眯眯地问小不点 。

,从吊带伸进去揉她小奶h男男视频,欧美亚洲另类色图,在线a片网址 。

??时势4:久久的99视频

??01月09日,降雨增多 云南野生菌进入交易旺季,

  突然,石毅传音,得宗老配合,罗致其汪洋般的精气神,滋养己身 。他的重瞳发光,射出一片符文,烙印虚空中,密密麻麻,竟影响了天地间的所有宝术,强烈滋扰了石子陵的攻伐 。

,欧美亚洲 综合视频,欧美www色视屏,国厂精品一区XXX 。

??01月09日,2023年中国持枪爆炸犯罪案件同比下降20%,

  “掠夺!”小不点回应 。

,97人人爱人人摸,色色色,亚洲,人人操人人操人人欧美 。

责编:刘玲

审核:理查德·里格斯

责编:韩晓

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图