v1.456.2695.455138 安卓最新版
v9.198.5732 安卓最新版
v6.906.2881 最新版
v4.181.1271.587154 安卓免費版
v5.438.2941.234476 安卓免費版
v9.624.4731.712019 安卓最新版
v2.523.4484.833114 安卓最新版
v5.824 安卓版
v8.789.7654.400069 PC版
v7.897 安卓漢化版
v5.688.9364.796752 安卓漢化版
v9.335.8044 PC版
v5.693.9895.437117 安卓免費版
v3.235 最新版
v7.610.3923 IOS版
v8.764 IOS版
v4.557.3605.620696 安卓最新版
v3.647.666.882468 安卓漢化版
v7.999.1938.3065 最新版
v2.457.4167.642995 IOS版
v7.996.1966.708859 安卓版
v5.602.8055.183544 安卓最新版
v4.633.9012.813920 IOS版
v6.148.5433.897837 IOS版
v5.424 安卓版
v8.948.5478.808279 安卓最新版
v7.739.3615.868622 安卓最新版
v1.683.634 IOS版
v2.973.7339.781524 安卓免費版
v2.612.3398.697851 IOS版
v1.283.7665.488046 安卓版
v9.93.1139.105604 IOS版
v9.410.1644 安卓免費版
v1.853.6832.527041 PC版
v1.360.1556.26059 PC版
v4.690 最新版
v2.82.267.817915 PC版
v6.833.2415.509123 安卓版
v8.150.5921.58376 安卓免費版
v6.357 安卓最新版
v8.595.7538.942972 安卓最新版
v6.158.9706.398441 安卓漢化版
v4.651.3062.523965 安卓版
v8.99 最新版
v8.145 安卓最新版
v2.281.5039.866986 安卓最新版
v9.919.8373 安卓漢化版
v7.746.4361.148853 安卓漢化版
v3.387 安卓版
v6.187.7286 最新版
v5.913.9501.120344 最新版
v9.801.8456.551974 PC版
v3.935 安卓最新版
v6.96.852.972555 安卓漢化版
v4.467 安卓免費版
v7.220.5026 最新版
v2.875.1116.969915 安卓版
v1.198.1543.200162 安卓最新版
v7.618 安卓版
v1.298.1354.283294 安卓最新版
v5.243.5490 安卓最新版
v9.174.7956.101393 安卓最新版
v4.106.4274 安卓漢化版
v3.451.654 安卓版
v7.777.5786.315403 安卓免費版
v4.145.2992.114398 IOS版
v1.872.9606.334669 PC版
v5.755.6283.634671 安卓最新版
v9.292.857.294550 安卓版
v1.251 安卓最新版
v5.827.4776.926087 IOS版
v4.373.7055.40722 安卓最新版
v9.608.3860.384506 安卓免費版
v9.838.6292.2628 PC版
v6.354 安卓版
v9.834.3897.62128 最新版
v5.428 最新版
v2.548 最新版
v2.950.5611.426345 PC版
v7.70.4489 安卓版
自拍偷拍综合第八页
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
中文字幕乱码一区二区久久
三富婆相片免费观看′
激情图片qvod
射射射射射B操操
在线日本黄色网址
a毛片在线免费看
色色资源站无码AV网址
欧美激情一区二区五月丁香
亚洲欧美国产国产一区二区三区
欧美性愛視頻播放
人妻少妇精品视频三区二区
45翻电车安卓下载
日日射日日舔
最新亚洲人成人综合网站
雏田:283224
有限公司A片叫
虞书欣被 到喷水18禁视频
午夜亚洲一区二区三区深夜福利
操迪丽热巴
艾莲乔大战史莱姆
国产精品㊙️入口18禁菠萝视频
纲手掰开屁股让我桶爽
黄色精品福利视频
99色网站
A片口交
欧美性爱一区日韩
日本黄色性感片
馃悢馃崙馃敒