v7.161.7255 PC版
v6.412.9047.431464 安卓漢化版
v8.588 安卓漢化版
v7.63.2466 安卓最新版
v5.495.4301 PC版
v9.58.5339.384218 PC版
v6.268.6855.566337 PC版
v7.202.5854.210927 安卓最新版
v9.215.832.129546 安卓版
v9.243 安卓免費版
v7.267.6593 IOS版
v2.498.6208.177563 PC版
v4.181 安卓最新版
v2.703 安卓漢化版
v9.551.8448.620495 安卓漢化版
v9.619.8283.66186 安卓版
v7.238.9845 安卓免費版
v1.506.4305.292003 PC版
v8.641.9107.739066 PC版
v6.335.9581.975154 IOS版
v5.391 安卓漢化版
v2.98.7115.49705 PC版
v6.406 安卓最新版
v2.648.1280.634022 安卓版
v5.773.4180 最新版
v5.929 最新版
v4.961.7993.832513 安卓最新版
v8.566.5328.640109 安卓版
v4.742.8795 安卓版
v7.844.3365.416361 安卓最新版
v4.316.7662 安卓版
v6.703.7217 安卓版
v1.919.5033.106876 IOS版
v7.779.7998.498160 PC版
v1.205.844.72844 最新版
v1.290.8140 安卓最新版
v5.205.3978.845651 最新版
v3.650.8908 安卓最新版
v2.170.1619 安卓免費版
v2.351.5113 安卓漢化版
v4.636 IOS版
v7.345.4645.787527 最新版
v4.629 安卓版
v5.173.7083.725081 安卓免費版
v5.30.1231.441712 安卓漢化版
v3.957.1404 安卓版
v4.194.1425 PC版
v1.560.2978.156499 安卓免費版
v3.449.8362.249314 安卓最新版
v5.650.3005.755695 PC版
v9.252 最新版
v2.382.3640.541795 PC版
v7.318.8786.84163 安卓最新版
v5.130.1512.549786 安卓漢化版
v7.884.776.103382 安卓免費版
v1.387 安卓最新版
v5.846.5921 IOS版
v4.904.1510.14979 安卓漢化版
v4.353.7566.420328 安卓免費版
v8.904.6927 最新版
v9.344.360.775983 安卓漢化版
v7.886 安卓版
v4.199 安卓最新版
v7.152 PC版
v4.471 安卓免費版
v7.178.2249.663555 安卓漢化版
v8.264.9002 安卓免費版
v6.783.7802 安卓最新版
v5.632.5107.505083 安卓免費版
v2.141.1664.573003 安卓最新版
v8.241.6461.329781 安卓漢化版
v5.925.3509.622858 安卓免費版
v3.937 安卓漢化版
v5.416.4726 安卓版
v9.687.396.742224 最新版
v3.97.990 安卓版
v5.565.5605 IOS版
v1.958.6867.737813 安卓最新版
v5.475.7305.574993 安卓免費版
v7.291.1865.291957 安卓最新版
免费久久99精品国产自在现
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
色欲色香天天天综合w w w
免费一看一级毛片看片
欧美性爱操逼黄色网址
欧美性视频一区
青春草91在线视频
日韩AV一级一级一级一级
久久国产视频三级片
东北妓女脏话对白AAAAA片
揉我奶 啊 嗯高潮H
久久久666特级毛片
97超碰人人人人人人少妇
SM无码
看操逼
阿几的数码黄色
白丝jk 爆乳
99ryav视频
97夜色
人成免费网
鲁一鲁中文字幕久久
直接观看黄的免费网站
mofos软件下载2025最新版本
快瞄视频-re06cc
欧美日韩在线精品播放视频
一级大黄片干的啪啪
国产性爱网站视频在线观看
大胸女生裸妆网站视频揉自己的胸
A毛免费网站
校花吊起被内裤涂春药高潮了
N号房破解版
91国自精品九色
18 入口
插插插插插插插插插插插插插
大又粗又硬一区二区三区免费看