目今位置:首页 → 电脑软件 → 曝足协在亚洲杯前没有做换帅预案 → wwwwwwxxxxx v6.859.9702 安卓最新版
v2.224.2277.329207 安卓漢化版
v8.591 安卓最新版
v9.360.4032.946949 安卓免費版
v8.457 IOS版
v6.94 安卓最新版
v2.395.5516 安卓最新版
v7.319 最新版
v3.715 PC版
v4.855.2060.441058 安卓最新版
v7.103.4993 安卓版
v8.576 安卓版
v9.809.806.896921 PC版
v2.229.6619 安卓版
v5.454.753.521490 安卓漢化版
v9.569.3405.216586 PC版
v5.43.4609.22227 IOS版
v6.829 安卓最新版
v9.995 安卓漢化版
v6.958.8391.502946 安卓最新版
v8.188.2821 安卓免費版
v5.825.2988.568073 最新版
v3.930 PC版
v3.130.991.297560 IOS版
v9.39 安卓版
v9.874.3609.935165 安卓最新版
v8.284 安卓漢化版
v6.843.7716.237364 IOS版
v3.15.7829 安卓最新版
v9.520.7622 最新版
v5.344.3216.723862 安卓最新版
v8.377.1342 安卓版
v5.719.5757 PC版
v5.474 IOS版
v7.811.7121.606546 PC版
v3.683.6758.936370 PC版
v1.740 安卓版
v8.598.3680.323606 安卓最新版
v1.885.8408.492510 安卓免費版
v1.279.2926.99395 安卓版
v4.866.9830 安卓漢化版
v4.921.311.187697 最新版
v1.523.7292 IOS版
v1.598.2295.739213 安卓版
v6.995.3966.308351 IOS版
v4.717.7723.534880 安卓版
v3.58.5336.223073 安卓最新版
v3.25.4506.174341 最新版
v1.404.8322 PC版
v6.481.1466.780060 安卓版
v4.409.2261.816243 安卓最新版
v8.269.9412.867989 安卓最新版
v4.560 安卓版
v2.176.1262 安卓免費版
v8.719.884.93925 最新版
v3.423.3390.534289 安卓免費版
v8.588.7102.184894 安卓漢化版
v6.38.2559.723065 安卓最新版
v3.686.3298.818648 最新版
v9.79.6699.227020 安卓版
v6.930.27.825722 安卓免費版
v2.696 安卓免費版
v7.751.4149.541150 PC版
v6.692.8160.653231 PC版
v8.503 IOS版
v3.2 安卓最新版
v8.323.6212.150263 安卓免費版
v2.647 安卓免費版
v6.532.667.908351 安卓最新版
v3.623.3214.856706 安卓免費版
v9.373.3432 安卓版
v6.112.3560.197249 安卓版
v3.81.6065.884508 IOS版
v9.502 安卓免費版
v8.247.9909.716539 IOS版
v1.128 最新版
v4.631 安卓漢化版
v1.686 安卓版
v9.925.6682.666342 安卓漢化版
v7.432 PC版
v7.403.3941.215851 安卓最新版
wwwwwwxxxxx
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
免费偷拍短视频
在线精品AⅤ视频一区二区
精品资源视频黄网站在线看
欧洲小黄片下载
桥本有菜
足控脚交 Xx免费网站
欧美和动物xx
天天舔日日爽
A片视频软件
欧美一级做片性视频
欧洲熟妇 色妇军人
一万部小坳女视频在线观看
亚洲欧美偷国产精品四区
玖玖中文先鋒免費aV資源
黄片在线看免费
玖玖玖精品视频在线观看靠爱
淫荡少妇免费高潮视频
亚洲精品偷拍小视频
c馃敒
在线特级黄片
www.tchihuo.com
成人片色情免费观看软件的特点
精合集Videos男男
福利片网址
国产ktv交换配乱婬视频
渔女翻白眼流口水流眼泪第五人格
jiuse最新地址
嗯~啊~轻 APP鉴黄师
国产在线无码精彩视频
一二三四高清视频免费观看