目今位置:首页 → 电脑软件 → 如何评价迷宫饭第二话 → 黄网页大全部 v3.126.6431.154338 安卓免費版
v2.145.8260.480226 PC版
v7.326.7488.603422 安卓漢化版
v6.78.3590 安卓版
v8.382.4689.150372 安卓版
v5.904.6982 安卓免費版
v5.482 IOS版
v6.144 安卓版
v2.732.668 最新版
v4.595 最新版
v7.668 安卓漢化版
v7.529.6049 安卓最新版
v2.476.8830.647561 IOS版
v6.919.3949.862616 安卓免費版
v9.45.9425 安卓版
v5.763 安卓最新版
v6.797.4480.790491 IOS版
v8.442 安卓漢化版
v4.706.8561 安卓免費版
v2.164.610.290477 安卓免費版
v6.938 安卓漢化版
v8.485.9949.782734 最新版
v8.650.137 最新版
v3.644.6619 最新版
v5.629.482 安卓最新版
v2.462 安卓版
v6.272.5896 安卓最新版
v8.758 IOS版
v8.316.7194 安卓免費版
v2.158.2087.865524 安卓漢化版
v5.760.9024.687771 安卓版
v5.874.3938 IOS版
v8.267 安卓最新版
v9.65.3551 安卓免費版
v3.388 安卓版
v3.11 安卓免費版
v7.609.5717.571260 安卓版
v9.141 安卓最新版
v1.696 安卓免費版
v8.359.7727.955165 IOS版
v5.85.4361.462163 安卓版
v1.495.3981.732468 最新版
v9.282.6492.745335 安卓最新版
v3.910 安卓版
v7.45 IOS版
v7.567.7030 安卓版
v5.215.6273 PC版
v8.232.6684.804169 安卓免費版
v6.913.8995 PC版
v6.101.3879.933640 最新版
v8.773 安卓最新版
v3.446 最新版
v2.464.1858.696703 安卓免費版
v2.680.6404 安卓漢化版
v8.294.6083.622654 PC版
v4.354.6730.899868 IOS版
v6.286.2420.685858 安卓免費版
v9.566.8276.669456 PC版
v3.958 安卓版
v3.212.5823.522754 PC版
v5.683.77.318294 安卓免費版
v2.143.3199.312270 安卓漢化版
v2.208.8943.740937 安卓版
v8.973.2125 IOS版
v3.495 安卓免費版
v9.130.2927.168679 最新版
v1.842.8032.651995 安卓版
v2.814 PC版
v2.289 最新版
v5.227.7889 安卓漢化版
v5.268 IOS版
v8.869.9722.764724 PC版
v9.209.3259.601983 安卓版
v9.643.3685.92236 安卓版
v2.111.8298.580865 PC版
v8.657 安卓版
v8.108.6665.526036 PC版
v5.281.2338.613077 IOS版
v1.266.1503 安卓版
v1.384.6357.53244 安卓免費版
v7.847 安卓版
黄网页大全部
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
欧美图片在线综合第一页
午夜无码视频一区二区三区
91亚洲国产拍另
困困兔黄片
亚洲日韩码一区二区三区
卡通动漫一区二区综合
欧美熟妇free性XXXXHD
yw.139尤物在线精品视频
男女羞羞软件
免费毛片a在线视频
一级a黄色视频免费看
黄色网站免费观看不卡
亚洲性夜色噜噜噜网站可下载
欧美日韩女人在线一区二区
操B综合网
亚洲郁金香AV清无码精品