目今位置:首页 → 电脑软件 → 空军红鹰飞行表演队在老挝压轴登场 → 亚洲一区二区三区免费视频 v4.696.142.232967 安卓漢化版
v3.216.9821.847126 安卓漢化版
v8.634.1155 安卓漢化版
v2.213.1616.607509 安卓免費版
v8.236.1523.679018 PC版
v4.892.5824.950384 PC版
v4.501.2035 IOS版
v3.263.1973.6944 IOS版
v5.472.1028.176419 安卓最新版
v6.662.3074 安卓版
v3.85 安卓最新版
v6.258.6361.297831 PC版
v6.814.2022.347454 安卓漢化版
v4.35 最新版
v7.539 IOS版
v9.807.9830 安卓最新版
v1.551.1290.394815 安卓版
v4.997 安卓免費版
v7.853.4202.90889 最新版
v3.172 安卓漢化版
v4.432.7693 安卓漢化版
v2.996.5794.128782 安卓最新版
v7.489.7560.8625 IOS版
v4.97.7200.503163 最新版
v4.158.7328.475843 安卓版
v9.530.5887.162851 最新版
v4.578 最新版
v3.462.6994 安卓漢化版
v4.638.2067.131143 安卓免費版
v6.512 安卓免費版
v1.585.6492.883243 安卓漢化版
v4.120 安卓最新版
v4.425.437.806899 PC版
v8.32.1311 IOS版
v3.531.7241.831304 安卓漢化版
v5.928.7296.245691 安卓版
v1.574.3932.896470 安卓漢化版
v9.749.7232 最新版
v3.117.4981.634569 IOS版
v5.194.87.36123 安卓版
v1.173.7385.6066 安卓最新版
v4.958.7148.495514 PC版
v5.9.4779 安卓最新版
v6.549.5112 安卓漢化版
v8.649.6994 安卓漢化版
v8.971.1583.189114 安卓免費版
v4.606.169.488926 最新版
v3.726.8405.960256 安卓漢化版
v8.854.1068.175840 最新版
v2.712.1339.546884 安卓漢化版
v3.845.4839.928225 安卓版
v6.341.6048.987902 安卓版
v6.335.1511 安卓最新版
v1.92 安卓最新版
v9.808.8469.361373 最新版
v1.324.4126.696878 安卓免費版
v1.412.2906.548258 安卓版
v3.728.2006 PC版
v2.307.6094.763699 安卓最新版
v4.361.9618.589101 IOS版
v4.152.4466.715111 IOS版
v3.288 PC版
v5.147.7609 安卓版
v6.798.8531.619108 安卓版
v3.441.7186.553255 安卓免費版
v7.666.8097.611438 最新版
v8.288 安卓漢化版
v9.761.7999.356503 PC版
v5.591.8253.395286 IOS版
v1.891.9580 IOS版
v7.471.3350.892124 安卓最新版
v5.390.786.960409 安卓漢化版
v5.854.9218 PC版
v5.793 安卓版
v2.226.49.680634 最新版
v3.859 安卓最新版
v7.522.537 安卓版
v5.358.8304.159525 最新版
v9.324 安卓漢化版
v9.617.8125.779540 安卓漢化版
v6.382.6302.607548 安卓最新版
亚洲一区二区三区免费视频
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
老湿机69福利区午夜x片
欧美性爱免费下载
国产精品在线视频网站
少年骇客同人
动漫 爆乳 扶她毛茸茸
91 无码 真人 中文字幕
毛片基地免费看视频
福利视频导航网站
免费在线观看色黄网站
国产调教视频免费专区
打扑克爽 又黄 动漫
ZoZσZσZσ女人极品另类
插女爽叫黄视频
huangse网站手机在线观看品爱网
18禁在线网站
www,日本.com
我要看aa aa a级黄片
伊人精品久久久大香线蕉
中文乱片A片AAA毛片
www.色啦啦污
老头同性av