v8.290.2309 最新版
v4.552.6863.174915 最新版
v1.142.3503.488745 安卓版
v5.636 安卓最新版
v2.788 最新版
v5.20.9674 安卓版
v7.65 安卓漢化版
v3.280.4476.413267 安卓漢化版
v7.38.3896 安卓免費版
v2.398.6650 安卓版
v5.754.4449 安卓免費版
v8.414.3160 PC版
v8.177 安卓免費版
v6.10 PC版
v9.80.4451.798002 PC版
v7.79.9487 安卓免費版
v5.529 安卓版
v2.758.7541 安卓漢化版
v9.773.3112.718885 安卓免費版
v6.427.3749 PC版
v7.698.6900 安卓最新版
v9.919 安卓版
v1.793.4038 安卓漢化版
v6.85.8545.754092 最新版
v5.791 安卓最新版
v2.623.7788.711416 PC版
v4.936.307.62993 安卓免費版
v4.271.4377 安卓版
v7.556.8242.806128 最新版
v8.720.8111.231248 IOS版
v8.320.5110.109600 最新版
v6.718 安卓版
v6.533.3469.450860 安卓最新版
v5.39.1877.233090 最新版
v7.82 安卓免費版
v6.928.5642 PC版
v6.308.4236.879623 IOS版
v8.157 最新版
v8.527 安卓版
v9.399.3642.619171 安卓版
v6.765.8075.979913 IOS版
v1.638.3080.50640 安卓最新版
v9.605.3694.953698 IOS版
v9.36.5402 最新版
v1.580.3463.865368 安卓最新版
v7.67 安卓免費版
v7.835 PC版
v9.643.2316.936249 安卓免費版
v1.672.5174.356075 安卓免費版
v9.4.6089 安卓免費版
v4.680.6383 PC版
v8.926.8704 安卓漢化版
v6.425.6159 安卓版
v4.825.8758.7185 安卓漢化版
v9.850.8728.506695 安卓最新版
v2.692.3500 PC版
v6.844 安卓免費版
v3.442 最新版
v3.200.5807 IOS版
v1.88.7174.521570 安卓最新版
v2.516 安卓版
v5.757.9262.574237 安卓免費版
v5.193.390.453177 安卓漢化版
v7.806 安卓最新版
v8.365.9866.599124 安卓最新版
v2.896 IOS版
v4.116.982.458013 IOS版
v6.198.6739.175024 安卓最新版
v1.375.730.48920 安卓最新版
v3.0 最新版
v7.581.9968.149577 安卓版
v1.42.5726.704354 PC版
v3.858 IOS版
v6.39.5663.22606 PC版
v4.598 安卓漢化版
v2.415.8272.144641 安卓版
v8.693 安卓最新版
v1.949.7668 安卓版
v1.202.2700.746475 安卓版
v4.798.6979.810278 PC版
国产女AV黄色网站
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
张柏芝露B毛高清图
www.hcw365.com
可以直接看的av网址站
一级特别黄的免费视频网站
永劫无间同人3D漫画在哪里看
夸克抖阴
人人看人人靠
日本韩国欧美一区综合三级
国产在线观看无码免费的网站
日韩高清视频二区
黄色网站快操我
黑人日屄视频
爱爱动态图
偷拍网视频黄
POrnhubpz_2.0.9_52118031.apk
www91免费视频
日韩精品欧美 在线视频
男的下面越大 女的越爽嘛?
西施被c 黄秘 动漫 在线看
xxx馃崋馃崋xhd
小妹妹爱大棒棒免费观看电视剧一成人用品
巨胸喷奶水视频WWW免费网站
成年人黄色网站视频大全
欧美午夜黄色网
国产人妖视频一区二区思思99思思久久
脚调LVK视频
91操熟女