(3分钟快速入门)阳痿的症状最新版v47.91.05.8.44.486.22-2265安卓网

k1体育麻将胡了

搜索 猫眼影戏 融媒体矩阵
  • 山东手机报

  • 猫眼影戏

  • 公共网官方微信

  • 公共网官方微博

  • 抖音

  • 人民号

  • 天下党媒平台

  • 央视频

  • 百家号

  • 快手

  • 头条号

  • 哔哩哔哩

首页 >新闻 >社会新闻

DeepSeek-OCR是「长文本明确」未来偏向吗?中科院新基准给出谜底

2026-01-09 04:56:28
泉源:

猫眼影戏

作者:

张红宇

手机审查

  猫眼影戏记者 姜婷婷 报道Q8X2R7L1T4J5M9B6W3

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!

??时势1:黄 色情视 频小便在线

??01月09日,以园聚企 福建周宁逐梦“百亿工业”,

  “ 。 

,久久久久久久久久久久久久久久久久久 。

??01月09日,中国组合进入双向飞碟混合团体铜牌争夺战,

  5.室外着火时 ,若是门已发烫 ,万万不可开门 ,以防大火蹿入室内 。

,3d开机号近100期,精品午夜福利毛片,久久99国产精品视频99久久 。

??时势2:在线观看人成网站欣赏网

??01月09日,太阳鸟时评:建设美丽中国,共绘锦绣河山,

  很快 ,它来到了一片王侯领地 ,属于雷族 ,生齿能有数万万 ,它抛下圣物 ,直接就血洗这里 。

,男人天堂的网站,18岁网站黄色女孩,老头老太HD❌❌X乄 。

??01月09日,“科目三”之后,“一元一串的钵钵鸡”也火到台湾?,

  砰砰两声发出 ,小不点在他们的背上跺了两脚 ,这两人连忙闷哼 ,嘴角淌血 ,软趴趴的的伏在了地上 ,难以转动了 。

,gb14may18DX_XXXXXL歌词,正在播放国产水嫩美女叫,A黄色网站在线播放 。

??时势3:十八岁以下禁止看的网站

??01月09日,中国南方多地高温天气持续 各地多措并举确保粮食稳产,

在村干部培训班上的讲话 篇24

,欧美日韩情欲片在线观看,在线观看中文字幕a,爱操视屏免费网站 。

??01月09日,新疆阿克苏地区乌什县7.1级地震已造成3人遇难 5人受伤,

  “去吧 ,扫平一切阻挡!”那头凶禽不再发出兽吼 ,最先吐人言 ,其音隆隆 ,也下达了下令 ,那血月般的眸子酷寒的慑人 。

?第四十三章 四大强者,撕开 吸奶头 进 视频在线看,女女黄片,美女裸体无遮挡免费视频国产91 。

??时势4:米奇888

??01月09日,前三季度规上轻工企业实现利润超万亿元,

  双臂一晃 ,八千斤神力 ,这只是一个孩子 ,缺乏四岁 ,石村的人闻所未闻 ,见所未见 ,一个个都发傻 ,张大了嘴巴 。

,唐舞桐的婬奴生活1~15,97人人肏,国产真实迷奷美女 。

??01月09日,《中国碳中和与清洁空气协同路径(2024)》报告发布,

  四日后 ,一声震天动地吼声 ,震的群山万壑都在摇动 ,百兽战战兢兢 ,跪倒在地 ,猛禽所有冲霄逃走 。山石滚落 ,万木摇动 ,整片山林皆在抖 。

,97三级aⅴ视频,按摩师扒开腿揉捏花蒂,男男被各种姿势c到高潮动漫 。

【贵州毕节七星关:以太极古茶为“媒” 赋能乡村振兴】

【腊八将至年味渐浓 江西南昌:花市销售旺 商家备足货源】

责编:雷钧

审核:郑警官

责编:张建军

相关推荐 换一换

Copyright (C) 2001-   dzwww.com. All Rights Reserved

新闻信息效劳允许证 - 音像制品出书允许证 - 广播电视节目制作谋划允许证 - 网络视听允许证 - 网络文化谋划允许证

山东省互联网传媒集团主理  联系电话:0531-85193202  违法不良信息举报电话:0531-85196540

鲁ICP备09023866号-1   鲁公网安备 37010202000111号  

Copyright (C) 2001- Dzwww   鲁ICP备09023866号-1

网站地图